Leukemia
基于H&E图像的深度学习模型MAIPI用于套细胞淋巴瘤预后评估

小赛推荐：

该研究为 套细胞淋巴瘤 的风险分层提供了无需额外分子检测或专家病理评估的自动化解决方案，对 精准血液病学 的临床策略具有直接指导意义。

 

文献概述

本文《Mantle cell lymphoma artificial intelligence prognostic index using hematoxylin and eosin histology》，发表于《Leukemia》杂志，系统探讨了如何利用深度学习从常规H&E染色切片中提取预后信息，构建了首个基于图像的套细胞淋巴瘤（MCL）风险评分系统MAIPI。研究基于来自多个前瞻性随机试验的568例患者样本，整合组织微阵列（TMA）和全切片图像（WSI），实现了对总体生存（OS）和疾病进展时间（TTP）的独立预测。该方法不仅规避了对Ki67或TP53等分子标志物检测的依赖，还显著提升了现有临床评分系统MIPI的分层能力，为MCL的精准管理提供了新工具。

背景知识

套细胞淋巴瘤（MCL）是一种异质性极强的B细胞非霍奇金淋巴瘤，尽管治疗手段不断进步，高危患者仍难以从现有疗法中获益，亟需在诊断时即识别出此类人群以便尽早干预套细胞淋巴瘤。目前，国际预后指数MIPI结合Ki67增殖指数和TP53突变状态是主流风险评估手段，但Ki67的评估需专业病理医生且存在操作性偏差，而TP53检测依赖分子平台，成本高且周期长，限制了其在全球范围内的普及。因此，开发一种快速、低成本、可广泛推广且不依赖专家判读的预后工具成为未满足的临床需求。本研究的切入点在于利用深度学习从常规H&E图像中挖掘隐藏的形态学特征，这些特征可能与肿瘤侵袭性相关但难以通过肉眼识别，从而实现自动化、客观的风险分层MAIPI。

 

针对套细胞淋巴瘤研究，赛业生物提供基于HUGO-GT®全基因组人源化小鼠模型，可精准模拟人类基因表达与调控，适用于研究疾病机制及评估基因治疗药物疗效。该模型支持多种神经系统与肿瘤相关疾病的临床前研究，是药物开发的理想平台。

了解更多

 

研究方法与核心实验

作者收集了来自MCL Younger、MCL Elderly和TRIANGLE三项临床试验的568例MCL患者的H&E染色组织芯片（TMA）和全切片图像（WSI），构建了迄今为止最大规模的MCL组织图像队列。采用预训练的视觉基础模型Prov-GigaPath对图像进行嵌入编码，生成1536维特征向量。为解决WSI中非肿瘤区域干扰问题，研究团队设计了一种基于余弦相似度的自动区域选择策略：通过比较WSI中每个图像块与TMA肿瘤区域的嵌入相似性，选取最相似的8个区域用于后续分析，确保模型聚焦于肿瘤相关区域。随后，使用弹性网络正则化的Cox比例风险模型（ElasticNet CoxPH）在428例患者的发展队列中训练MAIPI模型，预测OS和TTP。模型性能在独立的140例患者验证队列中进行测试，并与MIPI、MIPIb（含Ki67）及p53表达状态进行比较。通过一致性指数（C-index）、Kaplan-Meier生存分析和净重分类改善（NRI）评估模型性能。

关键结论与观点

• MAIPI在独立验证队列中显著预测OS（C=0.673, P=0.003）和TTP（C=0.677, P<0.001），表明其作为连续变量具有强大预后价值
• MAIPI的预测结果与三位独立病理专家手动选择的感兴趣区域（ROI）高度相关（Spearman r=0.530–0.640），证明其自动选区策略可靠且与专家判读一致
• MAIPI在多变量Cox回归中独立于MIPI和Ki67，联合MAIPI与MIPI可提升C-index（OS：+0.027；TTP：+0.035），说明其提供增量预后信息
• MAIPI与已知的形态学亚型相关，blastoid和pleomorphic MCL的MAIPI评分显著高于经典型，提示其捕捉了与侵袭性相关的形态特征MAIPI
• 在p53表达≤50%的患者中，MAIPI仍能显著分层OS（P=0.054），表明其在分子低危人群中仍有分层潜力TP53
• MAIPI的性能在不同治疗亚组（自体移植、伊布替尼等）中保持稳定，支持其作为通用预后工具的潜力伊布替尼

研究意义与展望

该研究为药物开发领域提供了新的生物标志物工具，未来可探索MAIPI在新型靶向或细胞治疗（如CAR-T）中的预测价值，识别最可能受益的患者亚群。在临床监测方面，MAIPI有望作为诊断时的常规附加指标，辅助治疗决策，特别是在缺乏分子检测资源的地区。其完全基于H&E图像的特性使其易于整合至现有病理工作流程，推动AI辅助诊断的普及。此外，MAIPI可作为分层变量用于未来MCL临床试验设计，提高试验效率。从疾病建模角度看，反向分析MAIPI高分区域的分子特征，可能揭示新的致病通路或治疗靶点。

 

为加速抗体药物研发，赛业生物提供HUGO-Ab®全人源化抗体小鼠模型，结合AI辅助筛选技术，可高效生成高亲和力、低免疫原性的全人源抗体。适用于肿瘤、自身免疫病等领域的治疗性抗体开发，支持从抗原设计到功能验证的全流程服务。

了解更多

 

结语

本研究开发并验证了MAIPI——一种基于常规H&E图像的深度学习预后指数，为套细胞淋巴瘤的精准风险分层提供了创新解决方案。MAIPI不仅独立于现有临床和分子标志物，且无需额外检测或专家评估，极大提升了预后模型的可及性和可重复性。其在高危患者识别中的表现尤为突出，有望填补当前临床实践中对早期高危识别工具的空白。从实验室到临床，MAIPI代表了AI在血液病理学中转化应用的重要一步，未来若能通过多中心前瞻性研究进一步验证，有望成为MCL诊断工作流程中的标准组成部分。该技术的开源策略也鼓励了全球科研社区的验证与优化，推动了MCL研究生态的发展。对于套细胞淋巴瘤照护体系而言，MAIPI不仅是预后工具，更是迈向个体化治疗决策的基石，尤其在资源有限地区具有重大公共卫生意义。

 

Jonas Lippl, Sarah Reinke, Karoline Koch, Michael Altenbuchinger, and Wolfram Klapper. Mantle cell lymphoma artificial intelligence prognostic index using hematoxylin and eosin histology. Leukemia.