恶性间皮瘤（malignant mesothelioma，MM）是一种罕见的高致命性胸膜恶性肿瘤，来自浆液腔的间皮细胞，确诊患者的中位生存期不超过1年，预后极差。由于其临床特征和预后的高度复杂性和极端变异性，很难制定出有效的治疗和护理决策。

美国人工智能医疗公司Owkin与法国国家组织和细胞系MESOBANK数据库合作，开发了一种基于深卷积神经网络的新方法，将其称为间皮网（MesoNet）。在没有任何病理学家提供局部区域注释的情况下，MesoNet从整张病理切片的数字化图像中，准确预测了间皮瘤患者的总体生存率。这一研究成果发表于《自然•医学》杂志。

目前，MM的诊断主要依靠组织活检的病理结果，根据2015年世界卫生组织（WHO）分类标准，可分为三种常规组织学类型：上皮样MM（epithelioid MM，EMM）、肉瘤样MM（sarcomatoid MM，SMM）和双相MM（biphasic MM，BMM），BMM包含肉瘤样和上皮样成分的混合物。EMM的中位生存期最为乐观，也仅有12个月，SMM的预后最差，中位生存期仅为5个月，BMM患者的中位生存期则介于EMM和SMM之间。

这些病理学分类对预测疾病的进展和制定治疗方案具有一定价值，但不足以涵盖MM患者临床特征和预后的高度复杂性和极端变异性。临床上亟需开发更有效的新方法，来识别与MM的存活率相一致的预测性生物标志物。

Owkin公司的科学家团队从MESOBANK中，挑选了2981例MM患者的完整活检切片图像进行了模型训练和测试，其中2300例作为训练集，691例作为测试集。又从癌症基因组图谱TCGA数据库中选取了56例作为验证集，对训练和测试出来的模型进行了验证。

法国里昂中心莱昂•贝拉德癌症研究所的病理学家验证了MesoNet模型的结果，认为其优于所有现有的生存模型，比当前使用的病理学方法更为准确。除了改善MM的预后模型外，Mesonet还能够在肿瘤微环境的基质区域内识别出可以预测生存的新生物标志物；并定位出有助于患者预后预测的区域主要位于基质中，是与炎症、细胞多样性和空泡形成相关的组织学特征；并能够在视觉上突出显示与其预测相关的图像区域，以帮助病理学家对患者进行分层。

此研究不仅有助于解释引起MM变异产生的生物学原因，更可以通过识别风险最大人群的方式，来帮助指导患者的选择和临床试验分配，有针对性地开发治疗MM的药物，从而更好地管理这种可怕的疾病。

而这种将患者真实数据转化为预测模型的方式，有望在其他疑难疾病的研究中进行复制，有望增强医生和制药公司的研究能力，为疑难杂症的治愈创造了更多的可能。（作者：贾玉华）

参考文献：Nature Medicine 2019;10:1519-1525