2019 CSCO乳腺癌诊断指南共识（下）

文章的基本内容如下：  

1. 乳腺癌的诊断及检查

• 1.1 早期乳腺癌确诊检查

• 1.2 病理学诊断

• 1.3 分子分型

2. 相关最新技术

• 2.1 循环肿瘤细胞（CTC）

• 2.2 循环肿瘤DNA（ctDNA）

• 2.3 二代测序（NGS）技术

3. 人工智能

• 3.1 智能影像助力肿瘤诊断与治疗评价

• 3.2 智能病理加速肿瘤的定性和定量判断

• 3.3 智能决策丰富临床实践的决策模式

上篇包含第一部分的内容，下篇包含第二、三部分的内容。

2. 相关最新技术

2.1 循环肿瘤细胞（CTC）

CTC是指从恶性肿瘤原发部位脱落，通过血管或淋巴系统进入血液循环的细胞。它能够反映肿瘤组织的情况，也可以以无创方式替代组织样本进行病理诊断、疾病监测、分子测序等。不仅可以动态监测，还可以用于判断预后。随着对CTC认识的拓展，其应用已经从数目走向了分子分型和细胞测序时代。

AJCC第8版乳腺癌分期系统明确指出，早期乳腺癌患者CTC  ≥1个/7.5ml提示预后不良。此外，已有研究验证了CTC HER-2状态可以预测患者靶向治疗的疗效。而随着单细胞测序技术的进步，可以让研究者利用CTC从基因组或转录组水平探究肿瘤内部机制，了解发病原因及耐药机制，甚至有机会预测耐药的发生。

2.2 循环肿瘤DNA（ctDNA）

ctDNA由肿瘤细胞、循环肿瘤细胞等凋亡、坏死后释放到血管中的游离的DNA片段组成。这些DNA片段通常与蛋白质结合形成核小体游离于循环中。ctDNA的降解可能与肝脏和肾脏代谢相关，根据不同DNA片段大小和结构，其半衰期差异较大，范围从10min至2h不等。

ctDNA能够反映短时间体内肿瘤负荷，实时动态监测药物疗效。在保证较高敏感性和特异性的同时，能够提早预测病情变化，在早期诊断、肿瘤负荷监测、药物疗效预测、复发转移风险评估和预后分析等方面发挥重要作用。

但由于ctDNA在血液中只有约千分之几，从大量游离DNA以及血细胞中筛选出肿瘤相关DNA仍存在一定难度。与此同时，ctDNA检测技术对实验室和操作人员要求较高，检测设备昂贵，检测标准不一，目前临床应用受限。

2.3 二代测序（NGS）技术

NGS是为克服第一代测序技术存在的相对弊端，经过不断的技术改进，开发的一种可以大规模并行的高效测序方法，对解释肿瘤的发生与发展发挥了重要作用。

NGS与一代测序检测结果高度一致，但在检测时间和检测通量上更有优势。能够以较少的成本进行大量的DNA/ RNA测序，可以同时筛查多个样本中的多个基因，也可以快速检测肿瘤异质性和基因改变。

该技术不需要通过对患者组织的侵入性活检，就可以实现帮助早期诊断、疗效监测、耐药提示以及治疗方案的选择。

但对于晚期患者，获取组织的成本较高，而且肿瘤异质性的存在，也难以动态检测患者的基因突变。与此同时，NGS在数据获得过程中会产生不同类型的错误，例如替代、插人/缺失、AT偏差、 GC缺失等，影响了其临床应用。

在未来，结合CTC、ctDNA及NGS甚至三代测序技术，将会为肿瘤患者提供更好的服务。

3. 人工智能

人工智能是精准医学时代重要的发展方向。大数据的发展、医疗资源的紧缺、诊疗模式的转变为人工智能发展提供了很大的机遇。目前，人工智能已在医学影像、病理、辅助决策系统等方面取得了一定的进展。

3.1 智能影像助力肿瘤诊断与治疗评价

在乳腺癌领域中，智能影像已经在病变诊断、疗效评价甚至预测分子分型中取得了一定的研究成果。有研究显示，智能影像在诊断良恶性病变方面，仅次于具有20年丰富经验的乳腺放射科医生对平扫及增强图像的综合判断结果。

此外，也有研究显示，临床信息结合动态增强的3D影像信息可以作为生物标志物来鉴别乳腺癌的分子亚型，特别是对于三阴性乳腺癌的预测。应用Al辅助诊断能够帮助医生更加快捷和准确地对疾病做出诊断，提高诊断效率及准确度。

3.2 智能病理加速肿瘤的定性和定量判断

目前，智能病理已用于乳腺癌等多种肿瘤中，应用范围包括细胞学初筛、良恶性鉴别、形态定量分析、组织学分类等方面。如有研究对乳腺癌切除标本进行了自动HER-2评分，结果显示与病理医生诊断结果有很高的符合率。

在分子病理方面，在海量的基因组学信息中，应用人工智能分析技术，已成为精准医学不可或缺的发展要素。智能病理的发展应用不但能减轻病理医生负担，在一定程度上也可以弥补病理科医生主观分析的不足，提升病理的定性和定量判断，提高病理诊断的准确度，还能为患者提供个性化的治疗意见和疾病预后判断，推动精准病理的发展。

3.3 智能决策丰富临床实践的决策模式

智能决策系统的研发就是结合人工智能的学习分析能力及专家的经验，得到更加准确的决策方案。CSCO BC协作组完成了一项2000份病例的人工智能决策和专业医生决策的对比研究，研究结果显示WFO（Watson for oncology）智能决策在乳腺癌治疗中展示出较好的可行性和规范性，帮助临床医生省时省力，辅助应用可进一步提高医生决策的规范性。

同时，我国具有自主产权的智能决策系统也取得初步成果，基于CSCO BC大数据和CSCO BC指南的乳腺癌智能决策已完成 II期试验，提示基于CSCO 乳腺癌诊疗指南的智能决策系统在不同类别、不同阶段的乳腺癌病例中显示出良好的决策规范性。

人工智能是重要的发展方向，智能系统不仅可以帮助临床医生节省时间和精力，还有希望进一步提高肿瘤的精准诊断与治疗，因此专家组鼓励开展人工智能相关的临床研究，发展我国自主产权的人工智能系统。

小衡还有话说：

衡道医学病理诊断中心医疗大数据与人工智能研发中心技术总监刘净心博士2019年初在TMI上发文，研究正提出了一种针对乳腺癌的端到端的深度学习系统。

通过该系统就可以直接从乳腺癌患者的免疫组化切片图像得到免疫组化评分，同时该预测模型的评分与经验丰富的病理医生的评分具有非常高的一致性。该过程中包括的技术有完全卷积网络、颜色去卷积及多阈值技术等。

衡道病理运用自身作为病理诊断机构所具有的大数据优势和丰富的落地场景，依托AI专业团队和技术储备，并联手知名三甲医院开展研究合作，以构建整个病理行业在人工智能时代的基础设施（PathHub™肿瘤病理大数据平台），为病理医生提供智能化辅助诊断工具，为科研和药物研发机构提供一站式智能分析解决方案。

版权声明：本公众号发布所有内容，版权均属衡道医学病理诊断中心及相关版权方所有。「来源：衡道病理」。