一种运用病理切片技术制作脱细胞支架的简易方法

细胞外基质(extracellular matrix,ECM)是一种由细胞分泌到胞外间质构成3D复杂网架结构的大分子物质,主要作用是支持和连接组织的结构及调节细胞的生理活动,其主要成分聚糖和纤连蛋白构成结构支架[1]。组织经过复杂的脱细胞过程可获得天然的ECM支架,常用于组织工程学与再生医学的器官重建。

全国高等院校医学人文教育现状与对策研究

为全面了解全国高等院校医学人文教育现状,采取问卷调查的方式对来自全国48所高等院校的18326名在校学生进行调查。调查得出学生对本校医学人文课程设置、自身学习效果和校园医学人文氛围整体状况较为满意。但也存在课程内容不全面、教学方法单一、缺少实践教学平台等问题。由此得出结论:高等院校医学人文教育的任务需要明确,医学人文课程体系需要完善,医学人文课程教学方式需要优化,医学人文教育评价需要多元化,医学人文教师队伍需要强化,医学人文教育平台需要巩固拓展。

可信病理人工智能:从理论到实践

人工智能正在融入病理学研究的各个领域,但在临床实践中却遇到了诸多挑战,包括因医疗数据隐私保护而形成“数据孤岛”,不利于人工智能模型的训练;现有人工智能模型缺乏可解释性,导致使用者无法理解而难以形成人机互动;人工智能模型对多模态数据利用不足,致使其预测效能难以进一步提升等。为解决上述难题,我们建议在现有病理人工智能研究中引入可信人工智能技术:(1)数据安全共享,在坚持数据保护的基础上打破数据孤岛,使用联邦学习的方法、仅调用数据训练的结果而不上传数据本身,在不影响数据安全的情况下大大增加可用于训练的数据量;(2)赋予人工智能可解释性,使用图神经网络技术模拟病理医生学习病理诊断的过程,使得模型本身具有可解释性;(3)多模态信息融合,使用知识图谱技术对更为多样和全面的数据来源进行整合并深入挖掘分析,获得更准确的模型。相信通过此三方面的工作,可信病理人工智能技术可使病理人工智能达到可控可靠和明确责任,从而促进病理人工智能的发展和临床应用。

一种用于去除病理切片中水珠的方法

近年随着我国医学科研水平的提高,病理技术在科学研究中越来越受到重视,由于科研病理样本来源及染色复杂,往往不能像病理科一样完全使用全自动染色机染色,多采用手工染色。病理切片制作过程中往往会出现脱水液更换不及时,或封片剂开封后保存不当,造成脱水不足,或封片剂过干,使封片剂不能完全覆盖组织而造成盖玻片与组织之间出现细小间隙影响折射率,产生类似"水珠"一样的间隙,严重影响阅片和采图,成为不合格的病理切片。日常工作中此类情况往往成批出现,如重新制片将造成时间和试剂的严重浪费。本实验室通过多次实践摸索,取得较好效果,现报道如下。

计算机辅助显微镜与常规显微镜下评估浸润性乳腺癌HER-2表达水平的一致性

目的探讨浸润性乳腺癌HER-2免疫组化染色切片在镜下判读和计算机辅助镜下判读的一致性。方法收集100例手术切除的浸润性乳腺癌HER-2免疫组化切片,分别在镜下和计算机辅助镜下对染色情况进行判读,并复习相关文献。结果三位医师在镜下独立判读HER-2的表达,总体一致性Fleiss Kappa值为0.759(P<0.001)。计算机辅助镜下判读与镜下独立判读的结果相比,总体一致性Cohen Kappa值为0.834(P<0.001)。其中,HER-2(1+)、(3+)的符合率较高,分别为91.7%(22/24)和96.9%(31/32)。结论镜下和计算机辅助镜下对HER-2免疫组化判读的结果一致性较高;计算机辅助镜下判读有助于医师更精确判断微弱染色以及强染色的病例,提示其具有应用潜力。

介绍一种新型普鲁士蓝与油红O套染的技术方法

铁死亡是一种与传统细胞凋亡、坏死、自噬不同的新型细胞程序性死亡,其主要机制是在铁离子或酯氧合酶的作用下,催化细胞的多不饱和脂肪酸发生脂质过氧化,产生大量的活性氧,从而诱导细胞死亡[1]。其中铁胞内转运与铁蛋白自噬释放铁离子、不饱和脂肪酸聚合和氧化均需利用病理技术手段来鉴定。因此,涉及普鲁士蓝与油红O染色两类特殊染色技术,常规方法是用连续2张组织切片分别染色、观察结果,弊端是无法在1张切片上直观展示两者的相关性。

计算机定量辅助在乳腺癌ER、PR表达判读一致性中的应用

目的比较计算机定量辅助判读ER、PR阳性率和染色强度与人工判读的一致性。方法收集100例乳腺浸润性导管癌标本,先由三位病理医师对100例乳腺浸润性导管癌中ER、PR阳性率和染色强度进行判读;再由三位诊断水平相近的病理医师应用计算机定量辅助显微镜进行判读,分别计算两组阳性率的组内相关系数(intraclass correlation coefficient,ICC)和染色强度的Fleiss Kappa值。结果三位病理医师采用人工判读ER、PR阳性率的ICC为0.943(95%CI:0.920~0.960)、0.946(95%CI:0.930~0.960)(P<0.01);ER、PR染色强度的Kappa值为0.592(95%CI:0.519~0.665)、0.482(95%CI:0.411~0.552)(P<0.01)。另三位病理医师采用计算机定量辅助判读ER、PR阳性率的ICC为0.980(95%CI:0.970~0.990)、0.977(95%CI:0.970~0.980)(P<0.01);ER、PR染色强度的Kappa值为0.692(95%CI:0.622~0.762)、0.712(95%CI:0.641~0.782)(P<0.01)。结论计算机定量辅助可以提高ER、PR阳性率和染色强度判读的一致性。

对31个省市自治区3831家医院病理科现状的调查与思考

为掌握中国病理学科发展现状,中华医学会病理学分会于2016—2019年对我国31个省市自治区3831家医院的病理科数量、人员构成情况、工作量、人才培养情况、科研发展情况做了调查,并与中华医学会病理学分会在2003年做过的13个省市自治区的病理科情况调查进行对比分析。根据调查结果,本文思考了中国未来病理的发展方向,并提出三点发展建议,希望通过本次较大规模的调查数据,为全国病理学科的发展提供参考。

一种肠类器官样本快速石蜡块的制作方法

类器官于2009年由Sato等[1]首次报道,其能较好地模拟体内细胞三维生长的生理条件,目前已广泛应用于疾病的研究并成为最具前景的实验技术。肠道病理的药理学、毒理学或微生物研究中常采用人或小鼠肠道组织进行肠类器官培养[2]。肠类器官培养成为研究和治疗肠道疾病可行的方法[3],也是一种全新的消化道疾病体外研究模型。

TRAP染色与免疫组化套染技术在骨组织损伤修复染色中的应用

抗酒石酸酸性磷酸酶(tartrate-resistant acid phosphase,TRAP)是破骨细胞的特异性标志酶,TRAP染色显示破骨细胞胞质中TRAP的活性,是破骨细胞的特异性染色[1]。本文首次采用TRAP染色与免疫组化套染技术,帮助研究者实现在同一张脱钙骨组织石蜡切片上观察破骨细胞与血管内皮生长因子(vascular endothelial growth factor,VEGF)共表达情况,该套染技术在国内外尚未见报道。脱钙骨组织制片比软组织制片过程繁琐且易出现脱片、染色背景深等问题,作者经反复摸索优化实验步骤,现将该套染技术介绍如下。

介绍一种改良的Von Kossa钙盐染色法

在牙齿及骨骼外出现的钙沉积均为病理性钙盐沉积。草酸钙结晶性肾损伤的发病机制及其治疗靶点的基础研究中,实验大鼠肾组织内沉积的草酸钙结晶在HE染色中不易观察,借助Von Kossa钙盐染色法对实验动物行钙盐特殊染色,以便半定量统计各肾脏组织内草酸钙结晶的量。Von Kossa钙盐染色法是一种金属置换法,硝酸银溶液作用于含有不溶性钙盐的切片时,钙被银置换,银盐在光的作用下被还原为黑色金属银,钙盐沉积处染色为黑色。Von Kossa钙盐染色法中最关键的硝酸银溶液染色步骤需要阳光照射,传统方法是将其置于阳光下或60 W灯泡前,放置1 h或更长时间,整个染色步骤耗时长且不容易控制。

肿瘤类器官个体化药物敏感性检测是病理科发展新契机

肿瘤类器官是将患者来源的新鲜肿瘤组织经体外三维(3D)细胞培养系统建立的、与患者肿瘤特征高度相似的一种立体模型^([1]),能高度模拟人体内肿瘤组织的结构和功能,并展现细胞与细胞以及细胞与基质之间的相互作用。

计算机定量辅助在提高乳腺导管原位癌分级一致性的应用价值

目的探讨不同病理医师间乳腺导管原位癌(ductal carcinoma in situ,DCIS)分级的一致性,明确计算机定量辅助对提高乳腺DCIS分级一致性的价值。方法收集四川大学华西医院存档的453例乳腺DCIS样本,每例选取一张具有代表性的HE切片。由三位病理医师分别按常规工作状态、培训交流后、计算机定量辅助三个阶段对所有乳腺DICS病例独立进行低、中、高级别分级。采用Fleiss Kappa值对不同病理医师间的诊断一致性进行分析。结果常规工作状态下,三位病理医师对乳腺DCIS诊断一致性较低(Kappa=0.360),特别是中核级乳腺DCIS(Kappa=0.181);经统一诊断标准培训后,三位医师诊断的一致性略有提升(Kappa=0.362),其中中核级乳腺DCIS诊断的Kappa=0.227;经计算机定量辅助测量肿瘤细胞核直径,三位医师诊断的一致性明显升高(Kappa=0.638),特别是对中核级乳腺DCIS的诊断(Kappa=0.550)。结论计算机定量辅助方法能够提高乳腺DCIS诊断的一致性。

残余肿瘤负荷系统评估乳腺癌新辅助治疗疗效的实践问题

乳腺癌新辅助治疗后规范化的病理评估是患者后续治疗和预测预后的重要依据。国际乳腺协作组推荐残余肿瘤负荷(residual cancer burden,RCB)系统用于新辅助病理评估,值得深入学习和推广使用。该文现就RCB评估体系在实际运用中涉及的具体问题,包括系统的大标本取材、残余肿瘤大小测量、细胞密度和原位癌比例、区域淋巴结评估等作一综述,旨在提高新辅助治疗病理评估的准确性。

CSTF3基因过表达对Nthy-ori 3-1细胞功能的影响

[目的]研究CSTF3在甲状腺癌发生中的功能及其机制。[方法]慢病毒感染筛选构建CSTF3过表达Nthy-ori 3-1细胞株,CCK8和细胞成克隆实验检测细胞增殖能力,划痕实验评估细胞迁移能力,流式细胞术检测细胞凋亡情况,紫外照射处理细胞后全外显子组测序,qPCR检测未照射及照射细胞周期、抗凋亡等基因表达。[结果]空载对照组(NC)、CSTF3过表达细胞株(OE)细胞72 h增殖率分别为:126.92%±19.57%、271.51%±27.21%(P<0.05);NC、OE细胞48 h迁移率分别为:16.83%±4.61%、60.88%±9.26%(P<0.05);NC、OE细胞7 d克隆形成个数分别为:55.67±4.11、109.00±6.68(P<0.05);NC、OE细胞24 h凋亡率分别为9.24%±0.47%、6.61%±0.08%(P<0.05)。CSTF3过表达细胞株染色体结构变异和单核苷酸突变数明显多于NC组。CSTF3过表达细胞株周期、抗凋亡等基因的表达水平显著高于NC组(P<0.05)。[结论]成功构建了CSTF3过表达的Nthy-ori 3-1细胞株,过表达促进Nthy-ori 3-1细胞增殖、迁移及成克隆能力,但抗细胞凋亡。提示CSTF3可能与染色体及单核苷酸突变相关,并且影响了周期和抗凋亡等基因的表达。

积极推动人工智能在病理学的应用

推动人工智能在病理学的应用,需要突破一些技术瓶颈,更重要的是需要转变我们的观念和提高对人工智能的认同度。相信人工智能可以减轻我们工作的强度,提升我们工作的精准度。要不断拓宽人工智能在病理学的应用范围,超前考虑标准化和规范化。

类器官研究进展及展望

作为近年来生物医学领域最具突破性的前沿技术之一,类器官培养技术可利用成体组织或多功能干细胞在体外三维培养形成微型器官,使其在组织结构、细胞类型、功能等方面展现出与来源组织高度的一致性。目前,类器官技术已广泛用于疾病模型构建、抗癌药物筛选、基因及细胞治疗等方面,为生物医学基础研究、药物研发以及临床精准医疗提供了理想模型,并在再生医学中展现出重要的潜在价值。

未来病理:智能化和云端化是必然的趋势

智能化和云端化是未来病理的必然趋势.智能化是基于人工智能介入病理更进一步的发展成果,代表着人工智能更广阔的发展前景;云端化意味着病理工作的模式,代表着病理由个体的劳动向集群和协同工作方式的转变.智能化和云端化的病理可以解决三方面的临床问题:病理从业人员不足、病理专科化不足、病理运行框架的改良,同时随着技术方法的日益进步和前期实践的充分证明,智能化和云端化必然是未来病理发展的方向.

人工智能推动精准病理诊断的发展

病理诊断在精准医学中扮演着非常重要的角色,无论是病理医生资源有限的现实,还是不断精细量化的临床诊断需求,都对精准的病理诊断能力提出了更高的挑战。医学界希望人工智能(artificial intelligence, AI)成为从多个方面解决这一难题的得力助手。本文讨论了AI推动精准病理诊断的几个方面:AI辅助病变组织的精准获取、AI辅助组织病理精准诊断、AI辅助组织学分级和定量评分、AI辅助肿瘤生物标记物的精准评估、AI辅助基于HE图像预测分子特征和精准的生物信息解读、AI辅助信息整合实现深层次的精准诊断、AI辅助基于HE图像精准预测患者的生存和预后,为读者展现AI技术为我们迎来的智慧病理的明天。

基于无监督学习的数字病理切片自动分割方法

目的使用无监督的方式进行图像分割,作为人工标记的一种替代。方法选取了共100张HE染色和巴氏染色切片的全片数字化图像(whole slide image,WSI)数据作为研究和测试的对象,其中乳腺切片70张,肺切片20张,甲状腺切片10张。为了保证数据的多样性,乳腺的切片包含了正常组织、炎症、肿瘤,肺切片取材主要为下叶新生物(包含了炎症和肿瘤),甲状腺为细针穿刺的细胞(均为良性)。每张图像的最大总倍率(原始倍率)均为400倍,文件格式为ndpi。对每张WSI进行人工的标注,每张WSI的标注区域都大于10个视野,标注后的信息将用于有效性的验证。使用基于超像素与全卷积神经网络的算法构建无监督图像分割技术,对没有标记的WSI的任意感兴趣区域(regions of interest,ROI)进行图像分割。与区域邻接图合并的方法进行比较,以欠分割错误差率、边缘召回率和平均交并结果比判定两种方法的分割效果,并比较两种方法的效率。在执行效率的比较中,测试过程包含了超像素的预处理的时间,去掉了加载深度学习引擎的时间。结果对WSI任意ROI区域按纹理和颜色对图像实现了无监督的自动分割,乳腺切片、肺切片和甲状腺切片测试的结果差异小,多次测试的结果稳定,但该方法在对炎症和肿瘤的区分中表现一般。其欠分割错误差率、边缘召回率和平均交并结果分别为19.10%、82.06%和45.06%。区域邻接图合并的方法的欠分割错误差率、边缘召回率和平均交并的结果分别为21.52%、78.39%和44.81%。在GPU模式下整个过程平均耗时为0.27 s,在CPU模式下平均耗时为1.30 s,由于区域邻接图合并的方法没有实现GPU模式,在CPU模式下平均耗时为10.5 s。结论本方法通过简单的人机交互操作得到理想的像素级标注结果,可以有效降低数字病理切片数据标注的成本,比区域邻接图合并的方法在处理图像纹理的方面表现得更好,处理速度更快。