近期，中国科学院合肥物质院智能所王焕钦研究员团队与安徽医科大学第一附属医院、合肥市第二人民医院、中科大附属第一医院、安徽医科大学附属安庆医院、蚌埠医科大学第一附属医院等多家单位合作，构建了胰腺癌EUS-FNA涂片细胞学病理半监督CNN方法，并以“A Semi-supervised Convolutional Neural Network for Diagnosis of Pancreatic Ductal Adenocarcinoma Based On EUS-FNA Cytological Images”发表于医学肿瘤学领域经典期刊BMC Cancer上。
超声内镜引导下细针穿刺抽吸术(EUS-FNA)是当前胰腺癌诊断最可靠的微创检查手段。病理医生在场的快速现场评估（ROSE）能显著提升图片标本质量、减少穿刺针数、降低穿刺并发症风险，使得内镜医生对ROSE的需求较高，但病理医师人力资源缺失和高负荷工作的问题普遍存在。
王焕钦研究团队通过与安医大附属第一医院、合肥市第二人民医院等多家单位合作，构建了胰腺导管腺癌（PDAC）超声内镜引导细针穿刺抽吸图片细胞学标本的半监督学习卷积神经网络分割模型，实现癌细胞簇和非癌细胞簇的自动分割。在对胰腺癌的诊断上，该方法与高级病理医师相当，优于初级和中级病理医师（阳性预测值PPV: AI模型96% vs高级病理医师93% vs 中级病理医师84% vs 初级病理医师73%）。该方法有效缓解了对ROSE的需求，并以半监督学习的方式减轻专家医生标注的负担。
本论文的第一作者为方东博士，王焕钦研究员与安徽医科大学第一附属医院梅俏主任医师为该研究的共同通讯作者。
文章链接：https://bmccancer.biomedcentral.com/articles/10.1186/s12885-025-13910-w
图 病理涂片癌细胞簇分割的半监督学习方法
