乳腺癌诊断的革命！不仅仅是AI，数学也在推动乳腺癌诊断的进步

乳腺癌检查中采集的组织由病理学家通过显微镜进行详细检查。

不仅仅是确认是否存在癌细胞。还要检查细胞的形状与正常组织相比有多大变化，乳腺的原始结构是否保留，细胞是有序排列还是失去秩序扩散。病理学家综合各种特征来判断癌症的类型和恶性程度。

在决定乳腺癌的治疗方案时，会使用大量信息，包括对女性激素反应的受体的有无、称为HER2的蛋白质、细胞的增殖能力、肿瘤的大小、淋巴结转移等。

即便如此，准确预测每位患者的癌症将如何进展以及哪种治疗最有效并不容易。

针对这些问题，哥伦比亚大学等研究团队发布了一种利用数学领域“拓扑学”的新评估方法。

研究团队的目标是将病理学家通过观察判断的肿瘤组织的“整齐度”或“混乱度”以连续数值表示。通过将组织结构转化为可计算的数据，有可能更准确地预测患者的生存期和治疗反应。

正常组织和癌组织的“排列方式”不同

在正常乳腺中，细胞保持一定的功能和排列，形成乳管和小叶等结构。

然而，当细胞癌变时，这种秩序逐渐丧失。细胞的大小和形状变得不一，细胞核的形状也变得不规则。原本应有的腺体结构崩溃，细胞群的边界也变得模糊。

通常，保持接近正常组织结构的肿瘤可能进展较慢。另一方面，失去大量组织秩序的肿瘤可能会更积极地增殖和侵入周围。

病理学家一直在观察这种组织变化。

然而，仅凭人眼完全量化复杂的形态是困难的。尽管病理诊断有明确的标准，但存在无法用几个等级表达的细微差异。

即使是被分类为同一等级的患者，治疗反应和复发风险也不一定相同。研究团队试图通过数学提取传统分类中被掩盖的微妙差异。

分析555例乳腺癌组织

研究分析了以美国北卡罗来纳州患者为中心的，具有多样背景的555名乳腺癌患者的组织数据。

研究团队使用称为多重免疫荧光染色的技术，识别了肿瘤组织中的多种细胞和分子。

研究对象包括癌细胞、CD8阳性T细胞等免疫细胞、与巨噬细胞相关的细胞、包围肿瘤的间质细胞等。还检查了与抑制免疫反应机制相关的PD-L1的表达。

研究团队不仅仅是数细胞的数量。

他们记录了每个细胞在组织内的位置坐标，分析了癌细胞如何聚集，免疫细胞与癌细胞的接近程度，以及细胞群之间存在的空间。

也就是说，他们不仅调查了“有多少细胞”，还调查了“每个细胞在哪里，彼此之间形成了怎样的关系”。

测量组织形态的“持久同调”

用于量化细胞复杂排列的数学方法是“持久同调”。

这是一种从不同尺度研究数据中存在的形状、连接和孔洞结构的方法。

如果将每个细胞视为地图上的一个点，就容易理解。

以每个点为中心画一个小圆，并逐渐扩大这个圆。当圆小时，细胞作为独立的点存在。当圆变大时，附近的细胞连接在一起，形成多个集群。

进一步扩大圆时，原本分开的集群会合并。在这个过程中，细胞集群包围的空间或孔洞会出现并最终消失。

持久同调计算每个集群或空间在何种尺度上出现，以及它们存在的时间有多长。

很快消失的结构可能是偶然的波动或图像上的噪音。另一方面，即使改变尺度也能长时间存在的结构，很可能反映了该组织的本质特征。

研究团队将这些信息转换为可用于统计分析和机器学习的数值。在此基础上，结合细胞间距离、细胞密度、集群形状、PD-L1强度等，创建了显示肿瘤组织秩序的评分。

高分表示组织结构相对有序。低分表示细胞排列严重紊乱，组织的无序性增加。

组织秩序高的患者预后较好

研究结果表明，基于拓扑学的评分与乳腺癌患者的生存期相关。

组织结构相对整齐的高分患者，其生存期较长，预后较好。相反，组织秩序丧失的低分肿瘤与更具攻击性的性质相关。

即使仅分析肿瘤细胞的结构，也具有一定的预测能力，结合免疫细胞和PD-L1的信息，有时可以提高模型的性能。

研究论文报告称，利用拓扑学的指标显示出比传统的一些基因和蛋白质标记更高的预后预测精度。

然而，这并不意味着传统的检查不再需要。

乳腺癌的预后受肿瘤大小、进展程度、分子类型、治疗内容、患者年龄和健康状况等多种因素影响。新的评分被期待作为现有检查的补充信息，而不是替代。

种族和民族对预测的影响可能较小

此次研究中，拓扑学指标的预测力在非西班牙裔黑人患者和非西班牙裔白人患者之间相对稳定，这一点也受到关注。

医疗预测模型的精度有时会因开发时使用的数据构成而在特定群体中下降。

传统的一些生物标记物已被报告在人种和民族上表现出预测性能的差异。相比之下，此次的拓扑学指标显示出患者群体间性能波动较小的趋势。

能够在多样化患者中保持稳定精度的技术在不扩大医疗差距方面也很重要。

不过，仅凭这一结果并不能证明公平性。种族和民族不仅是简单的生物学分类，还与医疗可及性、生活环境、收入、治疗开始时间等多种社会因素有关。

要在不同国家和地区使用，仍需对更广泛的患者群体进行验证。

结合基因信息预测治疗反应

研究团队将从组织图像获得的拓扑学评分与基因表达数据结合。

结果确定了一组与组织结构特征相关的基因群，创建了“拓扑学衍生基因签名”。

将此基因签名应用于另一项乳腺癌临床试验数据，显示出预测术前药物治疗反应的可能性。

在乳腺癌中，有时会在手术前进行抗癌药或分子靶向药物治疗以缩小肿瘤。

治疗后手术标本中未确认浸润性癌的状态称为“病理学完全缓解”，是考虑后续预后的重要指标。

未来，如果能够整合组织形态、基因、蛋白质和患者的临床信息，可能更能个性化判断“哪种治疗对该患者更有效”。

然而，目前尚不能使用拓扑学评分选择治疗药物。此次展示的是组织结构中可能包含与治疗反应相关的信息，在临床使用中需要进一步验证。

组织的紊乱与代谢和免疫相关

研究表明，组织结构的紊乱不仅仅是外观变化，还可能与肿瘤内部的代谢和免疫活动相关。

低拓扑学评分与细胞迁移、浸润、免疫抑制、上皮间质转化等现象相关的基因通路有关。

研究团队特别关注IL4I1这种代谢酶和AHR受体相关的机制。

此通路可能与癌细胞的增殖、迁移和免疫反应的抑制有关。研究发现，代谢通路活动强的肿瘤往往组织秩序丧失。

不过，尚不清楚哪一个是原因，哪一个是结果。

是代谢和免疫的变化导致组织结构崩溃，还是组织崩溃导致代谢和免疫环境变化，或者两者相互影响。确认因果关系需要其他实验。

“乳腺癌的早期发现技术”并不是

理解此次研究时，尤其需要注意的点。

这种方法并不是像乳房X光检查或超声波检查那样发现尚未被发现的乳腺癌的筛查技术。

而是对已从患者采集的肿瘤组织进行详细分析，以评估癌症的性质、预后和治疗反应的方法。

新闻标题中有时会将其描述为“改善诊断的方法”，但更准确地说，应视为辅助病理诊断和预后预测的技术。

此外，此研究中使用的多重免疫荧光染色并不是所有医疗机构日常使用的检查。

研究团队旨在开发一种可以通过广泛使用的H&E染色等常规病理检查进行分析的方法，并将其应用于常规病理诊断。

如果能够在标准病理切片上使用，不仅可以在大型大学医院，还可以在地区医疗机构和医疗资源有限的地方推广高级图像分析。

社交媒体对个性化医疗的期待

研究成果也在哥伦比亚大学医学部门、癌症中心、病理学部门等的社交媒体账户上进行了介绍。

在哥伦比亚大学的官方X上，作为一种通过新方法评估乳腺癌组织模式并将其用于患者预后预测的研究进行了发布。在癌症中心的帖子中，也强调了将组织结构转换为基于拓扑学的生物标记的点。

在Instagram上，研究被介绍为“重大新闻”，作为数学、病理学和数字图像分析交叉的研究进行了宣传。

Medical Xpress也在X和Facebook上介绍了研究，强调了“将乳腺癌组织的结构作为连续评分进行测量”这一点。也被分享给传递医疗信息的账户，作为数字病理和个性化医疗的新案例而广泛传播。

从公开帖子中可以读出的主要反应可以归纳为以下期待。

是否可以客观地测量一直依赖病理学家经验的信息。是否可以更精确地为每位患者选择治疗方案。是否可以将高级诊断技术推广到设备齐全的大医院以外的地方。

另一方面，截至2026年8月4日可以确认的公开帖子主要由研究机构和医疗媒体的介绍组成。尚未积累患者或临床医生的大规模讨论、明确的赞成或反对、实际使用经验。

仅凭社交媒体上的介绍数量和积极的表达，无法判断“医学界已确认其价值”或“可以立即用于诊疗”。

在新医疗技术中，不仅需要考虑研究结果的精度，还需考虑误判的可能性、对患者的解释、引入费用、检查时间、个人信息管理、各医疗机构的图像质量差异等。

并不是要取代病理学家

在利用图像分析和AI的医疗研究中，有时会有“计算机超过医生”或“不再需要专科医生”的极端描述。

然而，此次技术并不是要取代病理学家。

病理学家不仅综合组织的形状，还综合标本的状态、肿瘤的类型、浸润的有无、切除断端、淋巴结转移、各种蛋白质的表达等进行诊断。

对于图像分析系统显示的数字，也需要有专家将其与患者的临床信息对照判断。

此技术的价值在于能够添加人眼难以测量的信息，而不是排除人眼。

病理学家解读组织的意义，计算机以相同标准计算复杂的位置关系。结合两者，追求更高再现性的诊断和预后预测是现实的方向。

实现前的剩余课题

此次研究结果