基于深度学习的胃癌病理诊断研究综述.docVIP

基于深度学习的胃癌病理诊断研究综述

一、胃癌病理诊断的临床需求与技术瓶颈

胃癌是全球范围内发病率与死亡率最高的恶性肿瘤之一，据世界卫生组织国际癌症研究机构（IARC）2025年发布的最新数据，全球每年新增胃癌病例约128万例，死亡病例达87万例，其中东亚地区占比超过60%，我国更是胃癌高发国家，每年新发病例占全球近45%。病理诊断作为胃癌诊断的金标准，是确定肿瘤分型、分化程度、浸润深度、淋巴结转移情况的核心依据，直接决定患者的手术方案选择、放化疗敏感性评估及预后预测。

传统胃癌病理诊断依赖病理医师在显微镜下对苏木精-伊红（HE）染色切片进行人工判读，过程存在诸多不可避免的局限性：首先是诊断效率低下，一张完整的胃癌根治术病理切片包含数十亿像素的图像信息，病理医师完成单张切片的全面判读平均需要30-40分钟，基层医院病理科日均处理切片量可达上百张，医师长期处于高负荷工作状态，漏诊、误诊率随工作时长增加显著上升；其次是诊断一致性不足，受医师临床经验、专业背景、主观判断等因素影响，不同医院、不同医师对同一病例的诊断符合率仅为75%-85%，针对低分化腺癌、印戒细胞癌等特殊类型胃癌，诊断一致性甚至不足60%；此外，病理人才资源分布极度不均，我国每10万人口仅拥有1.3名病理医师，三级医院与基层医院病理诊断水平差距显著，偏远地区患者往往难以获得及时准确的病理诊断结果，错过了最佳治疗窗口期。

进