近期，中國科學院合肥物質院智能所王煥欽研究員團隊與安徽醫科大學第一附屬醫院、合肥市第二人民醫院、中科大附屬第一醫院、安徽醫科大學附屬安慶醫院、蚌埠醫科大學第一附屬醫院等多家單位合作，構建了胰腺癌EUS-FNA涂片細胞學病理半監督CNN方法，并以“A Semi-supervised Convolutional Neural Network for Diagnosis of Pancreatic Ductal Adenocarcinoma Based On EUS-FNA Cytological Images”發表于醫學腫瘤學領域經典期刊BMC Cancer上。

超聲內鏡引導下細針穿刺抽吸術(EUS-FNA)是當前胰腺癌診斷最可靠的微創檢查手段。病理醫生在場的快速現場評估（ROSE）能顯著提升圖片標本質量、減少穿刺針數、降低穿刺并發癥風險，使得內鏡醫生對ROSE的需求較高，但病理醫師人力資源缺失和高負荷工作的問題普遍存在。

王煥欽研究團隊通過與安醫大附屬第一醫院、合肥市第二人民醫院等多家單位合作，構建了胰腺導管腺癌（PDAC）超聲內鏡引導細針穿刺抽吸圖片細胞學標本的半監督學習卷積神經網絡分割模型，實現癌細胞簇和非癌細胞簇的自動分割。在對胰腺癌的診斷上，該方法與高級病理醫師相當，優于初級和中級病理醫師（陽性預測值PPV: AI模型96% vs高級病理醫師93% vs 中級病理醫師84% vs 初級病理醫師73%）。該方法有效緩解了對ROSE的需求，并以半監督學習的方式減輕專家醫生標注的負擔。

本論文的第一作者為方東博士，王煥欽研究員與安徽醫科大學第一附屬醫院梅俏主任醫師為該研究的共同通訊作者。

文章鏈接：https://bmccancer.biomedcentral.com/articles/10.1186/s12885-025-13910-w

圖?病理涂片癌細胞簇分割的半監督學習方法