Article Info

现代病理发展的三大方向包括专科病理、分子病理和数字病理。数字病理核心内容是将传统病理图像数字化和数据化，数字化有利于病理信息的传播和存储，有利于病理信息的处理及挖掘。数字病理的用途主要包括教学[1-2]、诊断[3-8]、研究和档案保存[9]四个方面。目前，数字病理在病理教学中运用较为广泛，有时也用于少数疑难病例会诊或术中冰冻切片的远程会诊[10-11]，但在日常病理诊断以及研究、档案保存中几乎未发挥作用[12-14]。成都市第一人民医院病理科利用全切片图像扫描技术（whole slide images，WSI）将每天产生的所有切片扫描成数字化切片。本研究将2015年9月诊断（第一次显微镜诊断）的300 例连续组织学病例作为研究对象，之后分别做出第一次数字化诊断、第二次显微镜诊断和第二次数字化诊断，对比分析数字化阅片在临床病理诊断中的可重复性和正确率，现报道如下。

1 资料与方法

1.1 一般资料

选取成都市第一人民医院病理科于2015年9月诊断的300 例（共计384 张HE 染色切片）连续组织学病例作为研究对象，其中男115 例，女185 例；年龄10～92 岁，平均（45±15）岁；来自消化系统155 例，乳腺及女性生殖系统82 例，皮肤34 例，软组织与骨10 例，泌尿系统与男性生殖器官7 例，头颈部7 例，造血与淋巴组织3 例，肺、胸膜、胸腺及心脏2 例。本研究经医院医学伦理委员会审核批准。

1.2 方法

将病理切片运用Aperio 全自动数字切片扫描系统（美国Aperio Technologies 公司）扫描成数字化切片（20 倍物镜）。于2015年11月、2016年1月和2016年3月分别做出第一次数字化诊断、第二次显微镜诊断和第二次数字化诊断，对比分析数字化阅片在临床病理诊断中的可重复性和正确率。

1.3 观察指标

本研究将病变性质分为良性、交界性/癌前病变、恶性，病变性质的符合情况分为符合和不符合；将病变种类的符合情况分为完全符合、部分符合和不符合，其中部分符合主要指病变种类的大类正确但亚型不正确或主要病变正确但漏诊了一些次要病变。观察指标包括两次显微镜阅片的符合情况，两次数字化阅片的符合情况，第一次显微镜与第一次数字化阅片的符合情况，第二次显微镜与第二次数字化阅片的符合情况。

请上级医师常规阅片并为300 个病例制定“标准答案”，观察两次显微镜阅片及两次数字化阅片与“标准答案”的符合情况得出正确率。符合率/完全符合率/正确率较高的标准要求以上指标＞90%。

1.4 统计学方法

采用SPSS 22.0 统计学软件进行数据分析，计量资料用均数±标准差（

±s）表示；计数资料采用率表示，比较采用χ2 检验，以P＜0.05 为差异有统计学意义。

2 结果

2.1 常规病理与数字化病理诊断病变性质的符合情况

对300 例组织学病例的病变性质而言，两次显微镜诊断的符合率（99.33%）及两次数字化诊断的符合率（99.67%）均在98.00%以上。另外，两次对比显微镜和数字化诊断的符合率亦均在98.00%以上。将四次诊断结果与“标准答案”比较，四次诊断均与“标准答案”符合的病例归为普通病例（270 例），四次中有任意一次诊断与“标准答案”不符合的病例归为疑难病例（30 例）。结果显示，即使在30 例疑难病例的病变性质方面，两次显微镜诊断的符合率（93.33%）及两次数字化诊断的符合率（96.67%）均在90.00%以上。另外，第二次显微镜与第二次数字化诊断的符合率（96.67%）比第一次显微镜与第一次数字化诊断的符合率（86.67%）高10.00%（表1）。恶性病变（4 例）的诊断符合率为100.00%（表2～5）。

表1 常规病理与数字化病理诊断在病变性质上的符合情况[n（%）]

表2 两次显微镜阅片在病变性质上的符合情况（例）

表3 两次数字化阅片在病变性质上的符合情况（例）

表4 第一次显微镜与第一次数字化阅片在病变性质上的符合情况（例）

表5 第二次显微镜与第二次数字化阅片在病变性质上的符合情况（例）

2.2 常规病理与数字化病理诊断在病变种类上的符合情况

对300 例组织学病例的病变种类而言，两次显微镜诊断的完全符合率（94.33%）及两次数字化诊断的符合率（94.67%）都非常接近95.00%。另外，两次对比显微镜和数字化诊断的完全符合率都在90.00%以上，且第二次显微镜与数字化诊断的完全符合率（97.66%）比第一次显微镜与数字化诊断的完全符合率（90.67%）高出接近7.00%。

但就30 例疑难病例的病变种类而言，两次显微镜诊断的完全符合率（43.33%）和两次数字化诊断的完全符合率（46.67%）均在50.00%以下。但第二次显微镜与数字化诊断的完全符合率（76.66%）远远高出第一次显微镜与数字化诊断的完全符合率（6.67%）（表6）。

2.3 常规病理与数字化病理诊断的正确率

两次显微镜诊断和第二次数字化诊断的正确率均高于95.00%，而第一次数字化诊断的正确率（94.33%）也非常接近95.00%。且数字化诊断与显微镜诊断的正确率比较，差异无统计学意义（P>0.05）。

表6 常规病理与数字化病理诊断在病变种类上的符合情况[n（%）]

在30 例疑难病例的诊断正确率方面，无论是显微镜阅片还是数字化阅片，复诊（即第二次）的正确率均高于初诊；更重要的是，显微镜复诊比初诊的正确率只提高了16.67%，而数字化复诊比初诊的正确率却提高了26.67%（表7）。

表7 常规病理与数字化病理诊断的正确率[n（%）]

3 讨论

在数字病理蓬勃发展的今天，数字化阅片的可重复性和正确率成了医生和患者最关心的问题[15-18]。本研究通过将300 例组织学病例的两次显微镜诊断、两次数字化诊断以及高年资病理医生制定的 “标准答案”进行对比分析，以此探讨数字化阅片在临床病理诊断中的可重复性和正确率。

本研究首先针对整组300 例组织学病例，分析了显微镜诊断与数字化诊断的可重复性，结果显示，两次显微镜诊断在病变性质上的符合率为99.33%，在病变种类上的完全符合率为94.33%；两次数字化诊断在病变性质上的符合率为99.67%，在病变种类上的完全符合率为94.67%。重要的是，所有不符合的病例中，并无恶性病变的漏诊或过诊断，提示无论是患者最关注的病变良恶性，还是医师追求的病理诊断精确性，数字化诊断都拥有与显微镜诊断同样的高重复性。就病变性质而言，两次对比显微镜和数字化诊断的符合率都在98.00%以上，提示阅片者对病变性质有较准确而稳定的把握。

本研究还针对30 例疑难组织学病例分析了显微镜诊断与数字化诊断的可重复性，结果显示，两次显微镜诊断在病变性质上的符合率为93.33%，在病变种类上的完全符合率为43.33%；两次数字化诊断在病变性质上的符合率为96.67%，在病变种类上的完全符合率为46.67%，提示在疑难病例的性质方面，显微镜诊断和数字化诊断均拥有很高的可重复性。但就疑难病例的病变种类而言，两次显微镜诊和两次数字化诊断的完全符合率均不理想。但无论是病变性质还是种类，两次数字化诊断的符合率均略高于显微镜诊断，提示对于疑难病例而言，数字化诊断的可重复性略高，可能是由于数字化切片能永远保持图像质量，而常规切片随着时间的流逝，切片质量的下降（褪色、灰尘、破损等）可能会对诊断造成一定的影响。

无论是针对整组300 例组织学病例还是30 例疑难病例，在病变性质和种类两方面，第二次显微镜阅片和第二次数字化阅片的诊断符合率均高于第一次显微镜阅片和第一次数字化阅片的诊断符合率，提示只要有专业的设备和训练，病理医生会越来越适应数字化阅片和诊断，数字化诊断与显微镜诊断的符合率也会明显提升。

更重要的是，就整组300 例组织学病例而言，第一次数字化诊断的正确率为94.33%，第二次数字化诊断的正确率为97.00%，这么高的正确率提示数字化阅片所做出的诊断是完全可以用于临床工作的。就疑难病例而言，第一次数字化诊断的正确率为43.33%，第二次数字化诊断的正确率为70.00%，虽然两次数字化诊断的正确率均不理想，但数字化复诊比初诊的正确率提高了26.67%，提示随着病理医生诊断经验的积累和对数字化阅片的熟练，数字化诊断在疑难病例的正确率方面还有很大的提升空间。

综上所述，数字化阅片在临床病理诊断中有较高的可重复性和正确率，并随着病理医师对数字化阅片的逐渐适应，数字化诊断会越来越贴近、甚至超越显微镜诊断的可重复性和正确率。另外，随着人工智能技术的兴起[19-21]，相信在今后日常病理工作中，WSI 将逐步取代传统切片的诊断地位。

[参考文献]

[1]Fung KM，Hassell LA，Talbert ML，et al.Whole slide images and digital media in pathology education，testing，and practice：the Oklahoma experience[J].Anal Cell Pathol，2012，35（1）：37-40.

[2]方微，陈东.数字病理时代的病理学学习与临床实践[J].中国医药导报，2017，14（28）：144-147.

[3]Camparo P，Egevad L，Algaba F，et al.Utility of whole slide imaging and virtual microscopy in prostate pathology[J].APMIS，2012，120（4）：298-304.

[4]Retamero JA，Aneiros-Fernandez J，Del Moral RG.Complete digital pathology for routine histopathology diagnosis in a multicenter hospital network[J].Arch Pathol Lab Med，2019.[Epub ahead of print].

[5]Williams BJ，Knowles C，Treanor D.Maintaining quality diagnosis with digital pathology：A practical guide to ISO15189 accreditation[J].J Clin Pathol，2019.[Epub ahead of print].

[6]Hanna MG，Pantanowitz L.Feasibility of using the omnyx digital pathology system for cytology practice[J].J Am Soc Cytopathol，2019，8（4）：182-189.

[7]Hanna MG，Reuter VE，Samboy J，et al.Implementation of digital pathology offers clinical and operational increase in efficiency and cost savings[J].Arch Pathol Lab Med，2019，143（12）：1545-1555.

[8]胡佐鸿，赵春，包骥，等.全片数字化图像在诊断细胞病理学中的应用[J].中华病理学杂志，2017，46（8）：581-585.

[9]Mroz P，Parwani AV，Kulesza P.Central pathology review for phase Ⅲclinical trials：the enabling effect of virtual microscopy[J].Arch Pathol Lab Med，2013，137（4）：492-495.

[10]申成香，杨小苗，司有谊，等.数字切片在病理远程会诊中应用分析[J].临床与实验病理学杂志，2017，33（8）：935-937.

[11]陈机琼，冯慧艳，林丹丽，等.基层医院基于远程数字病理的术中冰冻诊断应用实践[J].中国数字医学，2018，13（2）：60-62.

[12]Paradis V，Quaglia A.Digital pathology，what is the future？[J].J Hepatol，2019，70（5）：1016-1018.

[13]Tizhoosh HR，Pantanowitz L.Artificial intelligence and digital pathology：challenges and opportunities[J].J Pathol Inform，2018，9：38.

[14]Higgins C.Applications and challenges of digital pathology and whole slide imaging[J].Biotech Histochem，2015，90（5）：341-347.

[15]Wilbur DC，Madi K，Colvin RB，et al.Whole-slide imaging digital pathology as a platform for teleconsultation：a pilot study using paired subspecialist correlations[J].Arch Pathol Lab Med，2009，133（12）：1949-1953.

[16]陈颖，魏培莲，潘军，等.数字化全玻片助力人工智能病理图像决策[J].第二军医大学学报，2018，39（8）：840-845.

[17]包骥，步宏.中国数字病理发展展望[J].实用医院临床杂志，2017，14（5）：1-2.

[18]邓杨，包骥.数字病理中计算机辅助诊断研究展望[J].实用医院临床杂志，2017，14（5）：10-12.

[19]Colling R，Pitman H，Oien K，et al.Artificial intelligence in digital pathology：a roadmap to routine use in clinical practice[J].J Pathol，2019，249（2）：143-150.

[20]Niazi MKK，Parwani AV，Gurcan MN.Digital pathology and artificial intelligence[J].Lancet Oncol，2019，20（5）：e253-e261.

[21]Aeffner F，Zarella MD，Buchbinder N，et al.Introduction to digital image analysis in whole-slide imaging：A white paper from the digital pathology association[J].J Pathol Inform，2019，10：9.