岳 萌，刘月平

随着乳腺癌精准治疗的发展，对病理诊断提出了更高的要求。实际临床工作中，乳腺病理诊断工作重点是对乳腺癌的规范性诊断，尤其是ER、PR、Ki-67、HER-2等与治疗及预后相关的免疫组化指标的判读，费时费力，且不同医师之间判读的一致性差。基于计算机图像分析的发展，客观、定量的全切片数字化扫描图像(whole slide imaging, WSI)应运而生，而人工智能(artificial intelligence, AI)可以解决病理诊断的痛点。AI是模拟人类智能的计算机系统，机器学习(machine learning, ML)是AI的一个子领域，其通过开发算法，使计算机直接从数据中“学习”、解决问题。大多数ML算法可作为数学模型，将样本的一组变量特征映射到结果标签中。随着计算能力的增长，深度学习(deep learning, DL)利用数百万个类似神经元的单元来学习图像像素值与其语义标签之间的复杂关系。具有检测器分层模式的卷积神经网络(convolutional neural network, CNN)基于图像的检测和分割，以识别和量化细胞和组织学特征，在图像识别问题上具有优越性；递归神经网络(recurrent neural network, RNN)使用自连接检测器模式进行序列处理。目前ML已被广泛用于由标注的组织病理数据集中建立的学习模型，因此可提供更准确的预后预测，识别潜在的药物靶向指标。该文重点阐述ML和AI的算法在乳腺癌病理诊断、预后中的应用现状、发展以及挑战。

1 乳腺癌病理诊断

1.1 AI辅助乳腺癌病理定性诊断乳腺癌病理诊断过程中，首先要确定是否为浸润性癌、确定肿瘤类型及TNM分期。Cruz-Roa等[1]利用CNN从乳腺癌WSI中获取的patch建模，区分是否为浸润性导管癌，用来自多中心的400张已标注的切片训练模型，并在200张标注的切片上验证其性能，F-1得分为75.86%。……