蒋翔男教授：人工智能引领淋巴瘤CD30检测新变革——淋巴瘤CD30智能辅助判读技术平台推动病理判读标准化与精准化

摘要：1。这种复杂的表达模式，对依靠人工显微镜观察的传统判读方法构成了严峻挑战，传统判读方法中主观性强、效率低下等问题亟待解决。近年来，随着数字病理与人工智能（AI）技术的深度融合，CD30的智能定量分析成为可能，并为淋巴瘤的精准诊疗提供了新路径。

1。这种复杂的表达模式，对依靠人工显微镜观察的传统判读方法构成了严峻挑战，传统判读方法中主观性强、效率低下等问题亟待解决。近年来，随着数字病理与人工智能（AI）技术的深度融合，CD30的智能定量分析成为可能，并为淋巴瘤的精准诊疗提供了新路径。

在近日举办的第十一届数字病理与人工智能学术专题会暨《中华病理学杂志》创刊70周年学术活动中，复旦大学附属肿瘤医院蒋翔男教授就淋巴瘤CD30智能辅助判读技术平台的开发与验证作了专题报告，并展望了病理科数字化建设的未来发展方向。医脉通特将精彩内容整理如下，以飨读者。

CD30病理检测：传统判读困境与AI技术新机遇

CD30在淋巴肿瘤中的表达具有明显的亚型特异性：在cHL和ALCL呈稳定一致性表达，而在外周T细胞淋巴瘤（PTCL）、弥漫性大B细胞淋巴瘤（DLBCL）等常见亚型中则表现出较大异质性1-3。这种复杂的表达模式给人工判读的可重复性和效率带来了极大的挑战，尤其当表达水平低于5%时极易漏检，影响维布妥昔单抗等靶向药物的合理应用1,4。因此，推动CD30检测精准化、提升结果的可重复性和判读效率至关重要。近年来，数字病理技术的普及与AI技术的不断创新，为克服人工判读的局限性提供了新途径，有力推动了淋巴瘤诊疗向规范化、精准化方向发展。

图1 CD30在不同亚型淋巴瘤中的表达差异及人工判读挑战

近期，复旦大学附属肿瘤医院牵头并联合国内17家中心共同开展了一项大规模、多中心临床病理研究。该研究共纳入934例CD30阳性淋巴瘤病例，覆盖9种常见染色方案及9种淋巴瘤亚型，以专家组判读结果作为金标准，基于深度学习技术开发出淋巴瘤CD30智能辅助判读技术平台5。该系统能够对免疫组织化学（IHC）全场图中的7类细胞（包括阳性/阴性肿瘤细胞、淋巴样细胞、不确定细胞等）进行精准识别与分类，并自动输出肿瘤细胞阳性比例（TPS）和淋巴样细胞阳性比例（LPS）。在模型验证阶段，该系统表现出优异的细胞识别与全场判读能力。单细胞层面的检测精度与召回率均不低于0.90，分类精度与召回率不低于0.735。在全场图判读中，B细胞模型和T细胞模型在不同误差阈值下（≤10%、≤20%、≤30%）的判读准确率（ACC）均高于0.75，最高可达0.965。值得注意的是，该系统兼容多种染色方案，除个别方案因样本量较小需进一步验证外，绝大多数方案下AI与专家判读的一致性达到良好至极好水平。另外，该技术平台还支持多细胞修订及实时更新判读结果。该技术平台凭借上述AI模型强大的识别与判读能力，在探索应用中展现出多方面优势。它不仅有效避免了人工判读的主观误差和局部抽样局限性，显著提升了判读的准确性，还通过自动化分析流程，将判读时间缩短至1分钟以内，大幅提升诊断效率。更为重要的是，该技术平台客观报告任意表达水平的CD30阳性信号，有效规避了因显微镜下视野的抽样误差所造成的低表达病例漏检，为CD30异质性表达淋巴瘤的精准诊疗提供可靠支持5

6尽管淋巴瘤CD30智能辅助判读技术平台在精度与效率方面展现显著优势，但其广泛应用仍依赖于病理科的数字化建设。目前，国内病理科的数字化转型尚处于起步阶段，但已在政策支持、技术迭代与行业生态合作等多重推动下加速推进7。病理科数字化建设不仅可实现全流程无纸化与质控管理精细化，也有助于加强跨科室协作、提升诊断一致性7。此外，AI与数字化系统的结合可大幅减少医生的重复劳动，使其更专注于复杂诊断与科研创新7

未来，随着全流程数字化诊疗系统的逐步完善，CD30智能判读技术平台有望成为淋巴瘤病理诊断的常规工具，推动CD30检测从“主观经验”走向“客观量化”，最终实现淋巴瘤的精准分型与个体化治疗。

图3 淋巴瘤CD30智能辅助判读技术平台的落地应用

总结

CD30在淋巴瘤中的异质性表达给传统病理判读带来严峻挑战，而人工智能辅助判读系统通过大数据训练和多中心验证，显示出与专家高度一致的分析能力，具备良好的临床适用性与扩展性，有望克服传统判读的局限性。人工智能辅助判读技术的成功落地离不开病理科室的数字化转型。尽管当前仍面临挑战，但在政策、技术与生态圈合作的推动下，该技术有望成为淋巴瘤精准医疗体系中的重要一环，为广大淋巴瘤患者带来更精准高效的诊疗服务。

免责声明：本材料中呈现的内容旨在传达最新的行业信息，任何传达的信息都不能替代医疗专业人士做出的独立诊断或处方意见。如果您想了解任何公司产品、疾病与诊断治疗相关的信息，请咨询医疗专业人士以获得进一步的建议。仅供医疗卫生专业人士为了解资讯使用。该等信息不能以任何方式取代专业的医疗指导，也不应视为诊疗建议。如该等信息被用于了解资讯以外的目的，本站及武田不承担相关责任。

参考文献：

1. 李小秋. 中国癌症杂志,2022,32(06):512-518.

2. Karube K , et al. Expert Rev Hematol. 2021 Aug;14(8):777-787.

3. Scherer LD, et al. Front Oncol. 2019 Mar 5;9:126.

4. 张智弘. 中华病理学杂志，2022，51(04):287-289.

5. Jiang XN，et al. 2025 ICML 762.

6. NCT05288491. A Study of Chinese Adults With Lymphoma (CREDIT)

7. 数字化智慧病理科建设白皮书（2023）

专家简介