陈怡洋，孔维正，吴辉群，季菊玲

南通大学医学院，南通 226000

肺癌是中国发病率和患病人数最高的肿瘤，也是癌症死因之首。晚期肺癌患者常出现胸水，其中的癌细胞可通过细胞病理学来确诊。然而，胸水富含蛋白质，可使间皮细胞和淋巴细胞反应性增生，加上缺乏组织形态背景作为参照，导致胸水细胞病理学诊断的难度增加。因此，通常需要制作细胞包埋块和免疫组化等协助诊断，成本高、时间长，在基层医院不易施行［1］。

人工智能（artificial intelligence，AI）辅助病理诊断在临床工作中已有一些初步应用，但在辅助胸水肺腺癌细胞病理诊断方面鲜有报道。为获得最优模型，本研究采用2种较先进的深度学习方法，即Inception V3和Yolo（You only look once）V4，并在开发数据集（训练集、验证集和测试集）中评估其性能［2］。应用深度学习模型对胸水脱落肺腺癌细胞的检测与分类，探讨人工智能辅助肺癌细胞病理诊断的可行性。

1 资料与方法

1.1 一般资料回顾性收集2019年3月至2021年12月南通大学附属医院、上海交通大学附属胸科医院和复旦大学附属中山医院的胸水标本130例。其中细胞病理诊断为肺腺癌110例，另有非肿瘤性胸水标本20例为对照组。纳入标准：病理诊断明确，未经临床诊疗（手术、放疗和化疗）。本研究通过南通大学医学院伦理委员会审批（2022-1），3家医院均存有病理诊断知情同意书。病理图像为脱敏处理后进行相互公开交流学习的读片资料，仅保留基本信息。

1.2 细胞分离、制片、染色

1.2.1 常规法处理胸水抽取胸水50 mL，加入1 000 U/mL肝素液1 mL，放盐水瓶中置于4 ℃冰箱中静置6～12 h，弃去上清。……