來(lái)源：丁香科研

當(dāng)臨床決策遇上人工智能，甲狀腺乳頭狀癌的診療更上一層樓。最新發(fā)表于《International Journal of Surgery》的研究將深度學(xué)習(xí)與多組學(xué)數(shù)據(jù)融合，不僅揭開(kāi)了腫瘤免疫微環(huán)境的「黑箱」，更構(gòu)建出臨床實(shí)用的智能預(yù)測(cè)系統(tǒng)。它超越了傳統(tǒng)病理診斷的局限——通過(guò)分析常規(guī)病理切片中肉眼不可見(jiàn)的分子特征，結(jié)合基因組變異圖譜和單細(xì)胞測(cè)序數(shù)據(jù)，提高術(shù)前預(yù)測(cè)淋巴結(jié)轉(zhuǎn)移準(zhǔn)確率與 5 年生存預(yù)后預(yù)測(cè)精度。讓我們一起看看吧！

圖片 文獻(xiàn)基本信息

圖片來(lái)源文獻(xiàn)截圖

英文題目:Artificial intelligence-based multi-modal multi-tasks analysis reveals tumor molecular heterogeneity, predicts preoperative lymph node metastasis and prognosis in papillary thyroid carcinoma: a retrospective study

中文題目:基于人工智能的多模態(tài)多任務(wù)分析揭示甲狀腺乳頭狀癌的腫瘤分子異質(zhì)性，預(yù)測(cè)術(shù)前淋巴結(jié)轉(zhuǎn)移和預(yù)后：一項(xiàng)回顧性研究

發(fā)表雜志: International Journal of Surgery，JCR 1區(qū)，中科院 1區(qū)，IF=12.5

發(fā)表時(shí)間: 2025 年 1 月

文獻(xiàn)速覽

研究背景

甲狀腺乳頭狀癌（PTC）占甲狀腺癌的大多數(shù)，其預(yù)后通常較好，但淋巴結(jié)轉(zhuǎn)移（LNM）顯著增加患者的復(fù)發(fā)和死亡風(fēng)險(xiǎn)。 PTC 的分子異質(zhì)性主要由遺傳變異和腫瘤微環(huán)境（TME）的復(fù)雜性驅(qū)動(dòng)，但目前對(duì) LNM 的分子機(jī)制和預(yù)測(cè)手段仍不完善。 BRAF、RAS 和 RET 等基因突變?cè)?PTC 中較為常見(jiàn)，尤其是 BRAF V600E 突變與侵襲性行為和不良預(yù)后相關(guān)。

近年來(lái)，單細(xì)胞 RNA 測(cè)序（scRNA-seq）和人工智能技術(shù)的發(fā)展為解析腫瘤異質(zhì)性和開(kāi)發(fā)預(yù)測(cè)模型提供了新工具。本研究旨在通過(guò)多模態(tài)數(shù)據(jù)（基因組、轉(zhuǎn)錄組、免疫細(xì)胞和病理圖像）分析 PTC 的分子異質(zhì)性，并開(kāi)發(fā)一個(gè)基于深度學(xué)習(xí)的模型，用于預(yù)測(cè)術(shù)前 LNM 和疾病無(wú)進(jìn)展生存期（DFS），以輔助臨床決策。

研究方法

1. 研究設(shè)計(jì)與患者隊(duì)列

本研究采用回顧性隊(duì)列設(shè)計(jì)，整合了三個(gè)獨(dú)立的數(shù)據(jù)來(lái)源：

（1）真實(shí)世界隊(duì)列1 ：256 例 I-III 期 PTC 患者（ 2019 年 1 月至 2021 年 8 月），其中：252 例接受基于 DNA 的靶向二代測(cè)序（覆蓋 18 個(gè) PTC 相關(guān)基因）， 4 例接受單細(xì)胞 RNA 測(cè)序（scRNA-seq）（ 2 例 LNM ， 2 例非 LNM ）。

（2）真實(shí)世界隊(duì)列2 ：275 例 PTC 患者的 275 張病理切片。

（3）TCGA 隊(duì)列：499 例 PTC 患者的 586 張病理切片和全外顯子測(cè)序數(shù)據(jù)。所有病理切片均由經(jīng)驗(yàn)豐富的病理學(xué)家獨(dú)立復(fù)核確認(rèn)。研究遵循 STROCSS 報(bào)告規(guī)范，并通過(guò)倫理審查。

2. 分子生物學(xué)分析

（1）DNA 測(cè)序：

①?gòu)母栺R林固定石蠟包埋（FFPE）組織中提取 DNA

②使用雜交捕獲探針面板（ 18 個(gè)基因）進(jìn)行文庫(kù)構(gòu)建

③ Illumina 平臺(tái)進(jìn)行雙端測(cè)序（平均測(cè)序深度 >500× ）

④使用 hg19 參考基因組進(jìn)行比對(duì)和變異檢測(cè)

（2）單細(xì)胞RNA 測(cè)序：

①新鮮組織在術(shù)后 30 分鐘內(nèi)處理為單細(xì)胞懸液

②使用 GEXSCOPE 平臺(tái)進(jìn)行 scRNA-seq 文庫(kù)構(gòu)建

③數(shù)據(jù)分析流程：原始數(shù)據(jù)質(zhì)控（去除低質(zhì)量細(xì)胞和基因）主成分分析（PCA）降維 t-SNE/UMAP 聚類細(xì)胞類型注釋（基于已知標(biāo)記基因）偽時(shí)序分析（Monocle3） SCENIC 轉(zhuǎn)錄因子調(diào)控網(wǎng)絡(luò)分析。

3.深度學(xué)習(xí)模型構(gòu)建

（1）多模態(tài)數(shù)據(jù)整合：

①病理圖像：全切片圖像（ WSI ）分割為 256×256 像素的非重疊區(qū)域。

②基因組數(shù)據(jù)：18 個(gè)基因的突變狀態(tài)。

③轉(zhuǎn)錄組數(shù)據(jù)：scRNA-seq 鑒定的差異表達(dá)基因（DEGs）。

④免疫微環(huán)境：xCell 算法計(jì)算的 64 種免疫細(xì)胞浸潤(rùn)分?jǐn)?shù)。

（2）模型架構(gòu)：

①雙通道深度學(xué)習(xí)框架：

1）圖像通道：基于預(yù)訓(xùn)練的 ResNet50 提取圖像特征，加入自注意力模塊（ CLAM 框架）自動(dòng)識(shí)別關(guān)鍵區(qū)域。

2）分子數(shù)據(jù)通道：基因組和轉(zhuǎn)錄組數(shù)據(jù)通過(guò)全連接層處理

②多任務(wù)學(xué)習(xí)：

1）任務(wù) 1 ：LNM 分類（交叉熵?fù)p失）

2）任務(wù) 2 ：DFS 預(yù)測(cè)（負(fù)對(duì)數(shù)似然損失）

3）聯(lián)合損失函數(shù)：L = L_neg + λ_CE*L_CE + λ_MSE*L_MSE

4. 統(tǒng)計(jì)分析

（1）連續(xù)變量：均值±標(biāo)準(zhǔn)差（正態(tài)分布）或中位數(shù)（非正態(tài)）

（2）分類變量：頻數(shù)（百分比）

（3）組間比較：Kruskal-Wallis 檢驗(yàn)（非參數(shù)），χ2 檢驗(yàn)（分類變量）

（4）生存分析：Kaplan-Meier 曲線和 log-rank 檢驗(yàn)

（5）模型評(píng)估：ROC 曲線和 AUC 值

（6）使用R 4.1.0 和 Python 3.5 進(jìn)行統(tǒng)計(jì)分析

研究結(jié)果

1.分子亞型特征

（1）突變譜：

①隊(duì)列 1 中 BRAF 突變率84%（212/252），TCGA隊(duì)列中60%（297/499）。

② RAS 突變（HRAS/NRAS/KRAS）：隊(duì)列 1 中 6.0 %，TCGA中 11.4 %。

③ RET 突變：隊(duì)列 1 中 3.6 %，TCGA 中 6.6 %。

（2）分子亞型關(guān)聯(lián)：

① RET 突變患者診斷年齡更?。≒=0.00034）。

② RAS 突變腫瘤體積更大（P=0.17）。

③ BRAF 突變與 LNM 顯著相關(guān)（OR=2.58，P<0.001）。

圖片 研究流程圖

圖片來(lái)源文獻(xiàn)截圖

圖片 隊(duì)列1和TCGA隊(duì)列中PTC患者的遺傳改變譜和分子亞群特征

圖片來(lái)源 文獻(xiàn)截圖

2.免疫微環(huán)境異質(zhì)性

單細(xì)胞分析發(fā)現(xiàn)：

（1）T細(xì)胞：

①鑒定 6 個(gè)亞群：增殖型T細(xì)胞、 CD8 +耗竭T細(xì)胞、CD8 +組織駐留記憶T細(xì)胞等。

② LNM 組 T 細(xì)胞數(shù)量減少 50 %（P<0.01），呈現(xiàn)「免疫荒漠」現(xiàn)象。

③偽時(shí)序分析顯示 T 細(xì)胞從增殖狀態(tài)向功能失調(diào)狀態(tài)演變。

（2）B細(xì)胞：

① 3 個(gè)亞群：SERPINA9+、NR4A1+/GPR183+、GPX3+/SFTPB+。

② LNM 組 B 細(xì)胞多樣性降低（ Shannon 指數(shù)下降 40 % ）。

（3）CAFs：

①ATF3+/FOSB+/CXCL8+ CAFs在LNM組占比達(dá)65%。

②MMP13+/EPYC+/MFAP5+ CAFs具有抑制轉(zhuǎn)移潛能。

（4）巨噬細(xì)胞：

① CX3CR1 +巨噬細(xì)胞在 LNM 組占優(yōu)勢(shì)（ 70% vs 30%）。

② SELENOP+/CCL13 +巨噬細(xì)胞高表達(dá) CXCL9/CXCL10。

圖片 甲狀腺乳頭狀癌（PTC）中常見(jiàn)突變相關(guān)的免疫微環(huán)境

圖片來(lái)源 文獻(xiàn)截圖

圖片 甲狀腺乳頭狀癌與NLNM相關(guān)的免疫微環(huán)境

圖片來(lái)源 文獻(xiàn)截圖

圖片 乳頭狀甲狀腺癌（PTC）組織學(xué)類型的腫瘤內(nèi)異質(zhì)性

圖片來(lái)源文獻(xiàn)截圖

圖片 不同的T細(xì)胞亞型及其在甲狀腺乳頭狀癌腫瘤微環(huán)境中的作用

圖片來(lái)源文獻(xiàn)截圖

圖片 甲狀腺乳頭狀癌腫瘤微環(huán)境伴L(zhǎng)NM的B細(xì)胞亞型減少

圖片來(lái)源 文獻(xiàn)截圖

圖片 甲狀腺乳頭狀癌中ATF3+/FOSB +/CXCL8 +CAFs與LNM的顯著相關(guān)性

圖片來(lái)源 文獻(xiàn)截圖

圖片甲狀腺乳頭狀癌組織中巨噬細(xì)胞的轉(zhuǎn)錄組異質(zhì)性

圖片來(lái)源文獻(xiàn)截圖

3.深度學(xué)習(xí)模型性能

（1）LNM預(yù)測(cè)：

①訓(xùn)練集 AUC ：0.86（95%CI 0.82-0.90）

②驗(yàn)證集 AUC ：0.84（95%CI 0.80-0.88）

③關(guān)鍵預(yù)測(cè)因子：1）WSI 形態(tài)特征（權(quán)重 35%）；2）BRAF 突變狀態(tài)（權(quán)重 28%）；3）CD8+ Trm 細(xì)胞比例（權(quán)重 18%）。

（2）DFS預(yù)測(cè)：

①時(shí)間依賴性 AUC：1 年 0.91，3 年 0.93，5 年 0.87。

②風(fēng)險(xiǎn)分層：高風(fēng)險(xiǎn)組 5 年 DFS 率 42 % vs 低風(fēng)險(xiǎn)組 89%（HR = 4.21， P<0.001）。

圖片 基于隊(duì)列的算法構(gòu)建與性能

圖片來(lái)源 文獻(xiàn)截圖

4.模型可視化

（1）GradCAM 熱圖顯示：

① BRAF 突變型：腫瘤-間質(zhì)交界處高信號(hào)。

② RAS 突變型：瘤內(nèi)纖維化區(qū)域高信號(hào)。

③ LNM 病例：腫瘤浸潤(rùn)前沿信號(hào)強(qiáng)度增加 2.3 倍。

圖片 不同突變和轉(zhuǎn)移狀態(tài)腫瘤樣本的組織病理學(xué)分析和注意圖譜

圖片來(lái)源 文獻(xiàn)截圖

文獻(xiàn)亮點(diǎn)與借鑒之處

1.多模態(tài)數(shù)據(jù)整合：研究創(chuàng)新性地結(jié)合了基因組、轉(zhuǎn)錄組、免疫細(xì)胞和病理圖像數(shù)據(jù)，全面解析了 PTC 的分子異質(zhì)性和 TME 特征。

2.預(yù)測(cè)模型：開(kāi)發(fā)的深度學(xué)習(xí)模型不僅預(yù)測(cè) LNM 和 DFS 的準(zhǔn)確性高，還通過(guò)可視化技術(shù)增強(qiáng)了臨床可解釋性。

3.單細(xì)胞水平的發(fā)現(xiàn)：scRNA-seq 揭示了 BRAF 突變型 PTC 中免疫細(xì)胞組成的特異性變化，為免疫治療提供參考依據(jù)。

該研究構(gòu)建的「病理圖像-分子特征-臨床結(jié)局」三位一體分析框架，為實(shí)體腫瘤智能診療提供了可復(fù)制的范式。研究者特別指出，模型關(guān)注的重點(diǎn)區(qū)域與臨床醫(yī)師經(jīng)驗(yàn)高度吻合，這種「人機(jī)共識(shí)」極大增強(qiáng)了 AI 系統(tǒng)的臨床接受度。正在瀏覽此文的你，是否也躍躍欲試呢？快來(lái)試試跟在大佬們的科研思路寫作吧！

我們長(zhǎng)期為科研用戶提供前沿資訊、實(shí)驗(yàn)方法、選品推薦等服務(wù)，并且組建了 70 多個(gè)不同領(lǐng)域的專業(yè)交流群，覆蓋PCR、細(xì)胞實(shí)驗(yàn)、蛋白研究、神經(jīng)科學(xué)、腫瘤免疫、基因編輯、外泌體、類器官等領(lǐng)域，定期分享實(shí)驗(yàn)干貨、文獻(xiàn)解讀等活動(dòng)。

添加實(shí)驗(yàn)菌企微，回復(fù)【】中的序號(hào)，即可領(lǐng)取對(duì)應(yīng)的資料包哦～

【2401】論文寫作干貨資料（100 頁(yè)）

【2402】國(guó)內(nèi)重點(diǎn)實(shí)驗(yàn)室分子生物學(xué)實(shí)驗(yàn)方法匯總（60 頁(yè)）

【2403】2024 最新最全影響因子（20000+ 期刊目錄）

【2404】免疫學(xué)信號(hào)通路手冊(cè)

【2405】PCR 實(shí)驗(yàn) protocol 匯總

【2406】免疫熒光實(shí)驗(yàn) protocol 合集

【2407】細(xì)胞培養(yǎng)手冊(cè)

【2408】蛋白純化實(shí)驗(yàn)手冊(cè)

【2501】染色體分析方法匯總

【2502】國(guó)自然中標(biāo)標(biāo)書(shū)模板

【2503】WB 實(shí)驗(yàn)詳解及常見(jiàn)問(wèn)題解答

【2504】DeepSeek 論文寫作常用口令

【2505】中國(guó)科學(xué)院期刊分區(qū)表（2025 年最新版）