腫瘤組織病理圖像定量分析在腹膜假黏液瘤中的研究進(jìn)展

馬茹，閆風(fēng)彩，李鑫寶，林育林，李雁，

(首都醫(yī)科大學(xué)附屬北京世紀(jì)壇醫(yī)院 a.腹膜腫瘤外科，b.病理科，北京 100038)

腹膜假黏液瘤(pseudomyxoma peritonei,PMP)是一種以黏液性腫瘤細(xì)胞產(chǎn)生的黏液在腹腔內(nèi)積聚、再分布為特征的惡性臨床綜合征，典型臨床表現(xiàn)為黏液性腹水、腹膜種植、網(wǎng)膜餅和卵巢受累。PMP主要源自闌尾黏液性腫瘤，其機(jī)制為腫瘤阻塞闌尾腔、黏液持續(xù)聚集導(dǎo)致闌尾破裂穿孔，含有瘤細(xì)胞的黏液釋放入腹腔，沿兩側(cè)結(jié)腸旁溝再播散至全腹腔；也有少部分是來源于卵巢、胃、結(jié)腸等腹腔內(nèi)器官的原發(fā)性黏液性腫瘤[1]。PMP的整體發(fā)病率為(2～4)/100萬，男女比例為1∶1.2～3.4，年齡為43～63歲，腫瘤細(xì)胞減滅術(shù)+腹腔熱灌注化療是目前的標(biāo)準(zhǔn)治療方案，可顯著延長患者生存期[2-3]。作為一種罕見的臨床腫瘤綜合征，PMP早期診斷困難，且認(rèn)識參差不齊，極易引起漏診、誤診，進(jìn)而延誤最佳治療時(shí)機(jī)。提高PMP診斷的準(zhǔn)確性有助于更好地評估疾病進(jìn)展及預(yù)后情況，從而為患者提供更合理的治療方案。

PMP的病理組織學(xué)分型和分級對疾病評估至關(guān)重要。目前國際公認(rèn)的PMP組織病理學(xué)分類主要依據(jù)腫瘤細(xì)胞的數(shù)量及癌巢形態(tài)、細(xì)胞異型性、核分裂象及侵犯周圍形式等方面[4]，目前處于基于經(jīng)驗(yàn)的定性階段，腫瘤病理診斷的準(zhǔn)確性高度依賴于病理特征、病理醫(yī)師經(jīng)驗(yàn)水平以及視覺搜索過程的交互作用，易受閱片者主觀情緒和疲勞閱片等因素影響。隨著數(shù)字病理的興起，腫瘤病理學(xué)逐漸由人工定性診斷向計(jì)算機(jī)輔助的定量診斷發(fā)展，極大地降低了醫(yī)師閱片負(fù)擔(dān)及誤診率，目前已應(yīng)用于乳腺癌、結(jié)直腸癌等腫瘤的診斷[5]。建立客觀準(zhǔn)確的病理圖像定量分析系統(tǒng)能有效提高病理學(xué)診斷預(yù)測PMP預(yù)后的價(jià)值。現(xiàn)就腫瘤組織病理圖像定量分析在PMP中的研究進(jìn)展進(jìn)行綜述。

1 腫瘤組織病理圖像定量分析

1.1病理圖像定量分析的發(fā)展歷程 1959年，Ledley和Lusted[6]首次將數(shù)學(xué)模型引入醫(yī)學(xué)，并于1966年提出計(jì)算機(jī)輔助診斷(computer-aided diagnosis,CAD)[7]，形成計(jì)量醫(yī)學(xué)，但隨后的十余年因技術(shù)瓶頸，CAD陷入低谷。19世紀(jì)80年代起計(jì)算機(jī)迅速發(fā)展，CAD才開始被認(rèn)真且系統(tǒng)研究，并于1998年正式用于臨床[8-9]。同時(shí)期各種淺層機(jī)器學(xué)習(xí)模型被相繼提出，但由于理論分析及訓(xùn)練方法經(jīng)驗(yàn)不足，多層神經(jīng)網(wǎng)絡(luò)研究相對稀少。2006年Hinton和Salakhutdinov[10]提出深度網(wǎng)絡(luò)和深度學(xué)習(xí)的概念，開啟了深度學(xué)習(xí)的研究熱潮。20世紀(jì)90年代起，數(shù)字病理學(xué)成像技術(shù)見證了全切片掃描圖像技術(shù)(whole slide imaging,WSI)的誕生和發(fā)展，實(shí)現(xiàn)全切片掃描及全景信息獲取、全維度病理信息挖掘等，推動了CAD的圖像分析在組織病理領(lǐng)域的應(yīng)用[11](圖1)。

1.2CAD的工作流程 數(shù)字病理學(xué)中的CAD開辟了圖像計(jì)算的新領(lǐng)域，將傳統(tǒng)手工特征與深度學(xué)習(xí)方法結(jié)合，可準(zhǔn)確、定量地描述組織細(xì)胞形態(tài)結(jié)構(gòu)變化以及肉眼不可見的亞視覺特征，以期揭示病理現(xiàn)象與疾病本質(zhì)的關(guān)系，提高病理分型、診斷及預(yù)后評估的準(zhǔn)確性。CAD的工作流程：①經(jīng)圖像采集將顯微鏡下組織切片的圖像通過數(shù)碼相機(jī)或WSI轉(zhuǎn)化為能被計(jì)算機(jī)直接處理的數(shù)字圖像；②模擬病理醫(yī)師長期閱片等經(jīng)驗(yàn)學(xué)習(xí)過程處理并分析圖像，包括圖像預(yù)處理、圖像分割、目標(biāo)參數(shù)選擇及測量；③根據(jù)臨床病理數(shù)據(jù)選擇有臨床意義的特征，并整合構(gòu)建不同預(yù)后模型(圖2)。

HE：蘇木精-伊紅染色；CAD：計(jì)算機(jī)輔助診斷；WSI：全切片掃描圖像技術(shù)；DICOM：醫(yī)學(xué)數(shù)字成像和通信；FDA：食品藥品管理局圖1 病理圖像定量分析的發(fā)展歷程

1.2.1圖像采集 圖像采集是病理圖像分析的前提。傳統(tǒng)采集系統(tǒng)是通過安裝在顯微鏡上的數(shù)碼相機(jī)捕捉感興趣視野。近年來興起的WSI可掃描整張病理切片，實(shí)現(xiàn)高質(zhì)量圖像的永久存檔、瀏覽及注釋，且不受時(shí)空限制[12]，因此可最大化地從中提取病理信息，做出客觀有效的決策。研究表明，使用WSI和常規(guī)顯微鏡進(jìn)行病變診斷的準(zhǔn)確度和精密度相似[13]。WSI不僅可用于一般組織細(xì)胞病理學(xué)及免疫組織化學(xué)診斷，還在遠(yuǎn)程病理會診、教育及科學(xué)研究等方面有重要意義[14]。

1.2.2圖像預(yù)處理 圖像質(zhì)量變化對后續(xù)的圖像分割和目的參數(shù)提取均有重要影響，處理不當(dāng)可導(dǎo)致病理圖像定量分析準(zhǔn)確性下降。這些變化由多種因素造成，包括疾病異質(zhì)性或切片制備、圖像采集過程條件不一致等，如染色試劑的批次或制造商不同、組織切片厚度不等、染色方案不同及掃描條件差異等。適當(dāng)?shù)念A(yù)處理可在一定程度上減少誤差，如祛除大的雜質(zhì)斑點(diǎn)、敲除卷折或破損切片、圖像去噪、顏色歸一化處理消除染色不均、偽彩處理、增強(qiáng)圖像對比度等[15-16]。

1.2.3圖像分割 圖像分割的質(zhì)量是決定測量精度的關(guān)鍵因素之一。圖像分割是基于區(qū)域或邊界的分割方法，或兩者結(jié)合，實(shí)現(xiàn)對組織病理圖像中感興趣區(qū)域的分割和提取，如對腫瘤組織病理圖像的細(xì)胞分割(如細(xì)胞核分割)、組織分割(腺體分割)等。

1.2.3.1分割算法 基于相鄰像素的特性可將分割算法分成基于邊界的算法(利用區(qū)域間特性的不連續(xù)性)和基于區(qū)域的算法(利用區(qū)域內(nèi)特性的相似性)，較為常見的分割算法有閾值分割法、模糊聚類法、區(qū)域生長和深度學(xué)習(xí)等分割算法[17]。

閾值分割法以圖像像素的某一閾值(如灰度值)為分界值，劃分目標(biāo)區(qū)域和背景區(qū)域，適用于像素對比度較大的圖像[18]；聚類分割法基于圖像像素的不同特征，按一定規(guī)則進(jìn)行區(qū)域劃分，適用于形狀模糊的圖像，常與其他分割方法聯(lián)合使用[19]；區(qū)域生長法是將具有相似特征的圖像像素或子區(qū)域聚合形成區(qū)域塊實(shí)現(xiàn)圖像分割；深度學(xué)習(xí)是一種特殊的人工神經(jīng)網(wǎng)絡(luò)，利用多層神經(jīng)網(wǎng)絡(luò)完成足夠數(shù)量的數(shù)據(jù)訓(xùn)練，進(jìn)而識別圖像表征，實(shí)現(xiàn)圖像分割。與其他分割算法不同，人工神經(jīng)網(wǎng)絡(luò)主要利用區(qū)域結(jié)構(gòu)信息，而不依賴于染色強(qiáng)度或手工特征，因此具有較強(qiáng)的魯棒性[20]，越來越多地應(yīng)用于醫(yī)學(xué)圖像處理。

a1-a2：腫瘤組織制備成病理切片；b1-b2：病理圖像采集；c1：PMP病理圖像中腺體分割；c2：PMP病理圖像中腫瘤癌巢與間質(zhì)分割；c3：乳腺癌病理圖像中腫瘤細(xì)胞核分割，CAD：計(jì)算機(jī)輔助診斷圖2 CAD的工作流程

1.2.3.2圖像分割應(yīng)用 腺體分割——腺體形狀對腺癌的診斷具有重要意義。腺體結(jié)構(gòu)形狀與腫瘤分級有很強(qiáng)的相關(guān)性，可用于識別正常組織與不同惡性程度的腫瘤。Nguyen等[21]根據(jù)腺體形狀和大小制訂了一種與腫瘤惡性程度相關(guān)的癌癥指數(shù)，用于區(qū)分正常組織與前列腺癌組織。Sirinukunwattana等[22]提出了一種新的組織學(xué)圖像腺結(jié)構(gòu)隨機(jī)模型，這種隨機(jī)多邊形模型可用于檢測和提取正常結(jié)腸組織圖像中的腺狀結(jié)構(gòu)。Cruz-Roa等[23]提出的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)可用于乳腺癌WSI中浸潤性導(dǎo)管癌的分類，其結(jié)果優(yōu)于基于手工特征的圖像分割。

癌巢分割——腫瘤微環(huán)境通過腫瘤細(xì)胞與基質(zhì)成分協(xié)同作用影響腫瘤細(xì)胞的增生、侵襲及轉(zhuǎn)移。腫瘤細(xì)胞和腫瘤微環(huán)境特征在腫瘤病理圖像定量分析中有重要作用。闞賢響等[24]基于像素級別分類方法引入間隔采樣和閾值法，該分割模型實(shí)現(xiàn)蘇木精-伊紅染色(hematoxylin-eosin staining,HE染色)的乳腺癌組織病理圖像中癌巢與間質(zhì)的分割。Linder等[25]采用一種基于紋理的局部二值模式算法，從組織芯片圖像中成功分割上皮和間質(zhì)成分。Beck等[26]開發(fā)的計(jì)算機(jī)輔助機(jī)器學(xué)習(xí)系統(tǒng)能實(shí)現(xiàn)腫瘤實(shí)質(zhì)與間質(zhì)組織區(qū)域的分割，通過測定乳腺癌腫瘤上皮和基質(zhì)中的圖像特征發(fā)現(xiàn)，腫瘤基質(zhì)形態(tài)結(jié)構(gòu)是乳腺癌的獨(dú)立預(yù)后因素。Xu等[27]利用CNN的特征學(xué)習(xí)方法，實(shí)現(xiàn)乳腺癌和結(jié)直腸癌病理圖像中上皮與間質(zhì)細(xì)胞的自動分割。

細(xì)胞核分割——腫瘤細(xì)胞核的定位是定量研究腫瘤病理學(xué)的一個(gè)重要方向，分析細(xì)胞核的大小、形狀、輪廓及有絲分裂象等形態(tài)特征對腫瘤的早期檢測和預(yù)防有重要作用。Fatakdawala等[28]依據(jù)良惡性細(xì)胞核形態(tài)及間質(zhì)染色特點(diǎn)，應(yīng)用活動輪廓模型從HE染色的組織病理圖像中分割出單個(gè)細(xì)胞核。Abdolhoseini等[29]提出了一種基于多級閾值分割技術(shù)和分水嶺算法聯(lián)合的細(xì)胞核分割方法，適用于不同染色方法獲得的組織病理圖像。Song等[30]基于多尺度CNN和圖像分割法精確分割細(xì)胞質(zhì)和細(xì)胞核，將細(xì)胞核從圖像中提取出來。局部敏感的CNN可自動檢測和分類HE染色的癌組織細(xì)胞核，在結(jié)直腸癌圖像數(shù)據(jù)集評估中顯示該算法效果良好[31]。有絲分裂象是細(xì)胞核的特殊形式，檢測有絲分裂有助于評估腫瘤的增殖活性。Wang等[32]將手工特征(形態(tài)、顏色、紋理特征)與CNN相結(jié)合檢測有絲分裂象，與單純深度學(xué)習(xí)或基于手工特征的算法相比，這種集成方法的檢測精度更高。

其他應(yīng)用——圖像分割還可用于腫瘤生物學(xué)標(biāo)志物的定量分析：Niazi等[33]提出了一種深度學(xué)習(xí)方法，可用來區(qū)分Ki-67染色的腫瘤和非腫瘤區(qū)域，有望解決免疫組織化學(xué)染色中的假陽性問題。

1.2.4目標(biāo)參數(shù)選擇及測量 圖像分割后，需要先去除錯(cuò)誤檢測區(qū)域、填充微小孔洞等后才能用于測量[34]。病理學(xué)家通常采用低、中、高分辨率讀取病理圖像中不同的形態(tài)結(jié)構(gòu)特征，最大程度地描述組織形態(tài)，包括像素級、對象級以及語義級三個(gè)層次的特征。像素級特征描述圖像的顏色和紋理特征，顏色特征量化顏色擴(kuò)散、突出和共現(xiàn)，紋理特征量化圖像的清晰度、對比度、強(qiáng)度變化等。對象級特征描述細(xì)胞結(jié)構(gòu)的屬性，如細(xì)胞核、細(xì)胞質(zhì)和腺體等的形狀、紋理和空間分布[35]。語義級特征是基于低層次特征獲得的描述細(xì)胞間生物學(xué)領(lǐng)域的信息，如一定區(qū)域內(nèi)的對象密度、不同對象數(shù)量比和空間結(jié)構(gòu)等[36]。

圖像測量涉及大量參數(shù)，主要包括三類：①幾何參數(shù)，描述組織、細(xì)胞結(jié)構(gòu)的形狀及大小，如周長、面積、圓形度、密度參數(shù)、分布參數(shù)等；②光密度參數(shù)，描述圖像信號強(qiáng)弱變化以反映細(xì)胞中某物質(zhì)的顯色強(qiáng)度，如平均光密度、積分光密度等；③特化參數(shù)，描述某一結(jié)構(gòu)量化特征的專用參數(shù)，如細(xì)胞增生指數(shù)、核質(zhì)比等[17,36]。

1.2.5定量特征建模 上述病理圖像中提取的特征參數(shù)不僅可以準(zhǔn)確、定量描述腫瘤組織和細(xì)胞的形態(tài)結(jié)構(gòu)變化，提高傳統(tǒng)病理診斷的客觀性和工作效率，而且可從病理圖像的大量特征中挖掘潛在信息，發(fā)現(xiàn)新的診斷指標(biāo)。將這些人眼不易識別或總結(jié)的指標(biāo)，通過計(jì)算機(jī)技術(shù)分析與腫瘤病情發(fā)展、預(yù)后之間的關(guān)系，一定程度上可作為診斷和判斷預(yù)后的依據(jù)。Chen等[37]采用CAD圖像分析乳腺浸潤性導(dǎo)管癌患者的HE染色圖像，提取出730個(gè)形態(tài)學(xué)參數(shù)，Kaplan-Meier生存分析顯示12個(gè)參數(shù)與無病生存期顯著相關(guān)，Cox比例風(fēng)險(xiǎn)回歸模型顯示癌巢特征、癌巢細(xì)胞核特征、間質(zhì)細(xì)胞結(jié)構(gòu)特征以及癌巢細(xì)胞密度是影響預(yù)后的獨(dú)立因素，并以此建立了乳腺浸潤性導(dǎo)管癌預(yù)后模型。Bychkov等[38]利用卷積和遞歸架構(gòu)訓(xùn)練出的深度網(wǎng)絡(luò)分析腫瘤組織病理圖像以預(yù)測結(jié)直腸癌的預(yù)后。結(jié)果顯示，與有經(jīng)驗(yàn)的病理醫(yī)師相比，深度學(xué)習(xí)可以從結(jié)直腸癌的病理組織形態(tài)中提取更多的預(yù)后信息。CAD可從腫瘤組織病理圖像中挖掘可能影響預(yù)后的信息，幫助預(yù)測疾病的發(fā)展和預(yù)后情況，從而使腫瘤患者獲得更為精準(zhǔn)的治療。

2 PMP病理圖像分析的發(fā)展

2.1PMP病理的發(fā)展歷程 1995年，Ronnett等[39]將黏液腫瘤分為：①播散性腹膜黏液腺瘤病(disseminated peritoneal adenomucinosis,DPAM)，腫瘤上皮細(xì)胞較少有細(xì)胞異型性或核分裂象；②腹膜黏液腺癌病(peritoneal mucinous carcinomatosis,PMCA)，腫瘤上皮細(xì)胞表現(xiàn)為癌的組織學(xué)和細(xì)胞學(xué)特征；③PMCA-I，具有中間型組織學(xué)特征。2005年，Loungnarath等[40]在Ronnett等[39]的基礎(chǔ)上加入腫瘤形態(tài)和是否存在印戒細(xì)胞兩個(gè)特征將PMP分為：①DPAM(G1)，腫瘤上皮細(xì)胞呈單細(xì)胞或單層排列包繞腺體結(jié)構(gòu)，纖維基質(zhì)成分少，上皮細(xì)胞無異型性或有絲分裂象；②混合型(G2)，大部分腫瘤特征與DPAM類似，但出現(xiàn)明顯的細(xì)胞異型性和腺體結(jié)構(gòu)融合；③黏液腺癌(G3)，明顯細(xì)胞異型性、侵襲性，或出現(xiàn)印戒細(xì)胞。Bradley等[41]研究發(fā)現(xiàn)，DPAM和PMCA-I患者的器官侵犯發(fā)生率及生存率比較差異無統(tǒng)計(jì)學(xué)意義，但PMCA的預(yù)后差，基于此研究結(jié)果將PMP分為低級別和高級別兩類。2016年，腹膜表面腫瘤國際聯(lián)盟就PMP病理類型達(dá)成共識，根據(jù)腫瘤細(xì)胞數(shù)量及癌巢形態(tài)、細(xì)胞異型性、核分裂數(shù)及侵犯周圍形式分為無細(xì)胞性黏液、DPAM、PMCA、PMCA伴印戒細(xì)胞(PMCA-S)四類[4](圖3、4)。

2.2PMP病理圖像定量分析現(xiàn)狀 PMP的組織學(xué)分級是影響患者預(yù)后的獨(dú)立因素，對患者治療方案的選擇和療效評估尤為重要。目前國際公認(rèn)的PMP病理組織學(xué)分級主要根據(jù)腫瘤細(xì)胞數(shù)量及癌巢形態(tài)、細(xì)胞異型性、核分裂數(shù)及侵犯周圍形式等對腫瘤進(jìn)行評估，結(jié)果的準(zhǔn)確性受病理醫(yī)師經(jīng)驗(yàn)水平、病理圖像特征復(fù)雜程度等因素影響；此外，Mohamed等[42]研究發(fā)現(xiàn)，盡管大量病理學(xué)類型為DPAM的PMP患者預(yù)后相對較好，但部分DPAM患者死于快速進(jìn)展的侵襲性疾病，5年生存率低于分化類型更差的DPAM-I患者，這與既往研究矛盾[39]。該研究認(rèn)為，目前的病理學(xué)分類尚不足以準(zhǔn)確預(yù)測患者預(yù)后，需要更深入的病理圖像特征分析輔助。國內(nèi)外已有少數(shù)學(xué)者嘗試對PMP的病理圖像進(jìn)行定量分析，但由于PMP較為罕見且研究起步較晚，病理圖像相關(guān)研究還處于半定量階段，且研究較為粗糙，計(jì)算方法簡單。

PMP：腹膜假黏液瘤；DPAM：播散性腹膜黏液腺瘤??；PMCA：腹膜黏液腺癌病；HE：蘇木精-伊紅；3a：無細(xì)胞性黏液：纖維結(jié)締組織中可見大量黏液，黏液中無上皮細(xì)胞；3b：DPAM：黏液內(nèi)上皮成分罕見，腫瘤細(xì)胞呈條帶狀、簇狀或島狀結(jié)構(gòu)，腫瘤細(xì)胞輕度異型性，核小且規(guī)則，核分裂象罕見；3c：PMCA：腫瘤上皮細(xì)胞多，可排列呈條索狀、篩狀或島狀等；腫瘤細(xì)胞高度異型性，核大且核仁明顯，核分裂象常見；3d：PMCA-S：黏液中漂浮大量印戒細(xì)胞，胞質(zhì)中大量黏液聚集，核位于細(xì)胞一側(cè)，藍(lán)色箭頭所示為印戒細(xì)胞圖3 PMP主要病理學(xué)類型(HE染色×200)

PMP：腹膜假黏液瘤；DPAM：播散性腹膜黏液腺瘤病；PMCA：腹膜黏液腺癌病；PMCA-I：中間型；PMCA-S：腹膜黏液腺癌病伴印戒細(xì)胞；PSOGI:腹膜表面腫瘤國際聯(lián)盟圖4 PMP病理診斷學(xué)研究的發(fā)展歷程

Badyal等[43]回顧性分析21例PMP患者的腹水涂片，觀察細(xì)胞密度(低、中、高)、黏液物質(zhì)特征、上皮細(xì)胞簇?cái)?shù)量、細(xì)胞異型性(輕、中、重)、核仁、核分裂象和印戒細(xì)胞等的情況。上皮細(xì)胞簇?cái)?shù)量用半定量法評估：在高倍鏡視野(×400)下，0(無細(xì)胞簇)、+(少量，1～3個(gè)細(xì)胞簇)、++(中量，3～10個(gè)細(xì)胞簇)、+++(大量，>10個(gè)細(xì)胞簇)。結(jié)果顯示，PMCA具有高細(xì)胞密度、中度至重度細(xì)胞異型性、大量上皮細(xì)胞簇和明顯的核仁及有絲分裂象。該研究除了上皮細(xì)胞簇的計(jì)數(shù)使用較為客觀的分層方法，其余觀察指標(biāo)如細(xì)胞密度、核仁情況、細(xì)胞異型性和有絲分裂象等仍依賴病理醫(yī)師主觀視覺搜索的傳統(tǒng)閱片模式，未進(jìn)行定量評估。

Bhatt等[44]根據(jù)腫瘤組織的細(xì)胞學(xué)特征將DPAM分成三個(gè)亞組，組1為單層柱狀上皮，組2為低級別柱狀上皮細(xì)胞，組3為局灶高級別柱狀上皮細(xì)胞。隨訪顯示：組1患者均存活，且組1和組2患者的無病生存期長于組3。但由于患者數(shù)量較少，無法得出統(tǒng)計(jì)學(xué)差異，需要行進(jìn)一步的大樣本數(shù)據(jù)研究。雖然該結(jié)果未獲得驗(yàn)證，但為PMP預(yù)后評估研究提供了新思路，即腫瘤細(xì)胞形態(tài)可能對PMP的預(yù)后有重要影響。

Choudry等[45]回顧性分析了310例行腫瘤細(xì)胞減滅術(shù)聯(lián)合腹腔熱灌注化療術(shù)治療的PMP患者的臨床病理資料，根據(jù)腫瘤上皮細(xì)胞密度將患者分為4組：無細(xì)胞性黏液、低細(xì)胞密度(<2%)、中細(xì)胞密度(2%～19%)、高細(xì)胞密度(>20%)。結(jié)果顯示：與無細(xì)胞性黏液患者相比，中或高細(xì)胞密度的PMP患者的無進(jìn)展生存期更短。Horvath等[46]的研究也得到類似的結(jié)果，其參照Choudry等[45]的研究，回顧性分析25例DPAM患者的臨床病理資料發(fā)現(xiàn)，隨著細(xì)胞密度的升高，PMP患者的復(fù)發(fā)風(fēng)險(xiǎn)也隨之增加。以上兩項(xiàng)研究提示，中或高細(xì)胞密度的PMP患者具有更強(qiáng)的腫瘤生物學(xué)活性，疾病進(jìn)展風(fēng)險(xiǎn)也更高。以上發(fā)現(xiàn)有助于指導(dǎo)患者的預(yù)后隨訪，對中或高細(xì)胞密度的PMP患者需進(jìn)行深入而細(xì)致的隨訪以早期發(fā)現(xiàn)復(fù)發(fā)性疾病。

腫瘤細(xì)胞密度、形態(tài)等病理學(xué)特征可能會影響PMP患者的預(yù)后，其不僅為PMP預(yù)后預(yù)測提供新的研究方向和研究指標(biāo)，也是對現(xiàn)有PMP的組織學(xué)分級診斷體系的補(bǔ)充。

3 結(jié) 語

當(dāng)前研究提示，PMP的病理圖像定量分析可以用于挖掘影響患者預(yù)后的信息，但PMP作為一種罕見病，病理研究起步較晚；且由于病理圖像本身的復(fù)雜性，少有類似于免疫組織化學(xué)或熒光染色的商業(yè)化圖像分析軟件，這些因素導(dǎo)致PMP的病理圖像分析發(fā)展緩慢，目前針對PMP病理圖像的研究多為經(jīng)驗(yàn)性分析診斷。數(shù)字病理圖像定量分析在其他腫瘤中已進(jìn)行廣泛深入的研究，PMP亟須建立計(jì)算機(jī)輔助的圖像定量分析，以提高PMP組織學(xué)分級的精確性。