Clin Cancer Res：逆天的人工智能，仅根据HE染色片即可判断是否存在HPV感染！

口咽鳞状细胞癌(OPSCC)中的人乳头状瘤病毒(HPV)具有致瘤性，与烟草、酒精等致癌物引起的OPSCC相比，具有良好的预后。与此同时，人工智能（机器学习）已经发展成为一种强大的工具，可以预测各种来源的医学影像的分子和细胞变化。

Sebastian等根据常规苏木精伊红(HE)染色片建立了基于深度学习的HPV预测评分(HPV-ps)，并在来自两个不同地点(OPSCC；Giessen n=163；Cologne, n=110)的273名患者中评估了其预测HPV相关性的表现。然后，在594例患者(Giessen、Cologne,、HNSCC TCGA)中评估了其预后相关性。

此外，研究人员还调查了病理学家（n=4）是否能根据HE染色片识别HPV相关性(n=152)，并将结果与人工智能进行了比较。

HPV-ps在两个队列中的表现

结果显示，虽然病理学家能够从HE染色片中诊断出HPV相关性(中位AUC=0.74)，但病理学家间的可靠性很低(Light κ=0.37；p=0.129)，而在两个独立的队列（n=273）中使用HPV-ps进行识别的表现优于病理学家（AUC=0.8)。

根据HPV-ps结果对OPSCC患者预后分层：A Giessen；B Cologne

在3个队列的594位患者中，HPV-ps可鉴别出预后较好的个体(Giessen OPSCC，HR=0.55，p<0.0001；Cologne OPSCC，HR=0.44，p=0.0027；TCGA 非OPSCC，HR=0.69，p=0.0073)。有趣的是，当HPV-ps结合p16状态时可进一步将患者分层(Giessen，HR=0.06，p<0.0001；Cologne, HR=0.3，p=0.046)。

总之，利用深度学习结合常规HE染色检测OPSCC中的HPV相关性，可以作为单一生物标志物，或结合p16基因状态，以识别预后良好的OPSCC患者；该方法的预后意义可能优于联合HPV-DNA/p16基因状态作为患者分层的生物标志物。

原始出处：

Klein Sebastian,Quaas Alexander,Quantius Jennifer et al. Deep Learning Predicts HPV Association in Oropharyngeal Squamous Cell Carcinomas and Identifies Patients with a Favorable Prognosis Using Regular H&E Stains. Clin Cancer Res, 2020, undefined: undefined.