近日，由中国科学院计算技术研究所与北京知见生命科技有限公司医学病理图像团队，联合中国科学院大学、复旦肿瘤医院、中国科学技术大学等多家单位共同研发的学术成果《Histopathological bladder cancer gene mutation prediction with hierarchical deep multiple-instance learning》在《Medical Image Analysis》MIA上发表。
MIA是医学图像处理领域顶级期刊之一，中科院一区Top期刊，最新影响因子为13.828。
近年来，随着基因检测技术的发展，基因突变生物标志物检测成为癌症诊断和精准治疗的重要手段之一。然而，由于基因突变检测常规采用的分子生物学方法周期长、成本高，限制了临床实践中广泛推广。相比之下， 肿瘤患者的HE染色病理图像更易于获得，如能通过患者的病理图像来预测基因突变，将大大促进基因突变检测在临床的应用。
研究发现现有的图像分析算法无法有效识别千兆像素病理图像中的突变区域，导致对基因突变的预测效果不佳。
经过团队三年的反复探索、不断优化，最终提出了“一种基于分层深度多示例学习的基因突变预测方法”。方法包括癌灶区域分割、癌灶区域聚类和突变分类三个部分，通过“分层深度多示例学习方法”和“两阶段注意力机制”来识别与基因突变相关的图像区域，从而实现基于病理图像的基因突变预测，该算法在复旦肿瘤医院提供的临床数据实验中表现出比目前现有方法更好的预测效果。后续团队希望通过多中心认证，将该方法推广到实际临床实践中。
论文链接：
https://doi.org/10.1016/j.media.2023.102824
