交叉学科
Interdisciplinary
2025年6月10日，厦门大学附属中山医院许鸿志副教授、任建林教授，厦门大学信息学院王连生教授合作在Cell Press细胞出版社期刊Patterns上发表题为“GastritisMIL: an interpretable deep learning model for the comprehensive histological assessment of chronic gastritis”的最新成果。
研究组开发了基于多实例学习框架的GastritisMIL模型，实现了慢性胃炎组织病理学评估的多维度突破，有望作为病理科的智能辅助工具广泛应用于临床实践。
▲长按图片识别二维码阅读原文
文章亮点
利用深度学习方法全面评估慢性胃炎患者的组织学改变严重程度；
使用可视化注意力热图辅助病理医师快速定位可疑病变；
卓越的性能及优异的泛化性证明其临床价值。
文章简介
摘要图
慢性胃炎（chronic gastritis）作为目前最常见的慢性消化系统疾病，同样是早期胃癌发生的重要前驱状态。目前，胃镜检查虽然是临床诊断的主要手段，但在评估胃黏膜萎缩及肠上皮化生等关键组织学改变时仍存在诊断准确性不足、结果判读主观性强及复查间隔制定缺乏依据等问题。因此，组织病理学仍然是慢性胃炎诊断和长期随访管理的金标准。然而，面对全球范围内病理医生资源紧缺与日益增长的内镜下活检标本量的双重压力，开发一种高效、客观且具有临床可解释性的智能辅助评估工具，已成为提升慢性胃炎诊断效率和精准度的迫切需求。
本研究基于指南推荐的新悉尼系统中的直观模拟评分法，构建了迄今最大规模的慢性胃炎数字病理数据集，共纳入3211张HE染色全切片图像（whole slide image, WSI）。在此基础上，本研究开发了基于多实例学习框架的GastritisMIL模型，用于对慢性胃炎患者的WSI进行全方位的组织学评估。该模型以ResNet50作为特征提取主干网络，在40倍放大倍率下提取局部图像块特征，并整合注意力机制实现对炎症、活动性、腺体萎缩及肠化四项关键组织学指标的多分类精准预测。相比传统方法，本模型不依赖精细像素级标注，仅需要WSI级别标签即可完成训练，显著提升了可扩展性与训练效率，为临床病理诊断提供了高效可靠的智能辅助工具。
GastritisMIL在内部测试集中展现优异的性能，各任务的AUC均超过0.97。进一步验证其临床适用性，研究团队在三家独立医疗机构的467例慢性胃炎患者数据上进行了外部验证，结果显示模型具有优异的泛化能力，且展现出与高级别病理医生相当的诊断水平。在炎症程度和活动性评估这两个任务中，其准确率和召回率均显著优于初级病理医生（p0.85）。此外，模型生成的可视化注意力热图可清晰定位病变区域，可显著提高病理医生对疑似病灶的定位效率并有效降低漏诊风险。诊断效率方面，相应实验证实模型的平均判断时间仅需资深病理医生诊断时间的三分之一，充分展现了其在临床实践中的高效性和应用潜力。
图1：整体研究流程图（GastritisMIL）
在方法上，本研究还引入梯度均衡损失函数（Grad-Libra Loss）以有效缓解长尾分布数据中的类别不平衡问题，进一步优化对少数类（如重度萎缩）的识别性能。在对比实验中，GastritisMIL在四项组织学评估任务中均优于现有的主流多实例学习模型（如CLAM、PatchGCN、TransMIL等），尤其在腺体萎缩和肠化的细粒度分级上表现出更高的诊断价值。
综上所述，GastritisMIL通过整合多实例学习框架与注意力机制，实现了慢性胃炎组织病理学评估的多维度突破，有望作为病理科的智能辅助工具广泛应用于临床实践。
作者专访
Cell Press细胞出版社特别邀请论文通讯作者许鸿志副教授、任建林教授和王连生教授进行了专访，请他们为大家进一步详细解读。
CellPress：
请简要概述这项工作的亮点。
许鸿志副教授：
本研究提出了一种新型多实例学习模型GastritisMIL，创新性地融合注意力机制，实现了对不同部位的慢性胃炎组织学特征在多个临床任务中的联合评估。该模型能够有效整合全数字切片中的局部显微结构与全局病理分布信息，在炎症程度、活动性、腺体萎缩及肠上皮化生等多项关键病变的自动化评估中表现出优异的准确性与可解释性。通过多中心的外部验证数据，我们模型展现出良好的泛化能力与临床适应性。此外，模型还集成了可视化热图功能，可直观定位关键病变区域，为病理医生提供辅助诊断支持，显著提升诊断效率与一致性。结合其简洁高效的推理流程，GastritisMIL具备在真实临床环境中部署应用的潜力，有望为数字病理辅助诊断及胃癌早期筛查提供有力的技术支撑。
CellPress：
研究过程中遇到了哪些困难？团队是如何克服并顺利解决的？
王连生教授：
在当前数字病理辅助诊断的研究中，慢性胃炎因其病理特征复杂、非肿瘤性形态变化细微，给计算机辅助诊断带来显著挑战。一方面，胃炎中常见的炎症、腺体萎缩和肠化等病变在组织切片中呈离散分布、边界模糊，尤其在缺乏像素级标注的条件下，模型难以精准提取关键区域的病变特征；另一方面，WSI图像具备极高分辨率和超大图像尺寸，对模型的计算效率与内存管理提出了极高要求。此外，不同中心数据间的染色差异、扫描设备厂家差异与标签主观性易导致模型性能退化，进一步加剧了模型的训练难度，限制了其在真实临床环境中的泛化能力与可推广性。为应对上述挑战，本研究提出了基于多实例学习的GastritisMIL模型，在弱监督框架下引入注意力机制，实现了关键病灶区域的自动定位与判别性特征提取。模型在三家独立医疗中心的真实WSI数据上进行了系统性评估，验证了其在泛化性能、可解释性和临床适应性方面的优异表现。GastritisMIL为慢性胃炎的自动化和可视化病理评估提供了有效的技术路径，有望推动该模型在临床常规辅助诊断中的实际落地与广泛应用。
CellPress：
团队下一步的研究计划是怎样的？
许鸿志副教授：
在后续研究中，我们团队将聚焦于慢性胃炎向早期胃癌发展的风险评估任务。在当前组织学特征识别基础上，我们将进一步优化GastritisMIL模型，使其支持基于OLGA/OLGIM评分系统的癌变风险分级，从而实现更具临床指导意义的预后评估。此外，目前模型尚未整合胃镜图像等宏观形态信息，未来研究将探索多模态学习方法以融合病理图像与内镜图像特征，提升模型对病灶的整体认知能力。我们相信，这种从显微到宏观的融合路径，将为慢性胃炎的智能诊疗提供更完整、更准确的技术支撑，也为实现早期胃癌的精准筛查奠定基础。
CellPress：
最后，是否可以与我们分享一下选择Patterns来发表这个工作的原因？
任建林教授：
Patterns是Cell Press旗下专注于数据科学前沿研究的高水平开放获取期刊，强调方法创新与实际应用之间的紧密结合，致力于分享解决跨学科问题的数据驱动方案，覆盖计算机科学、生命科学及临床医学等多个领域，受众广泛，学术影响力强。本研究聚焦于多实例学习在慢性胃炎数字病理评估中的应用探索，融合人工智能与病理图像分析技术，具有显著的交叉学科属性与数据密集特征。我们希望借助Patterns平台，更高效地分享GastritisMIL模型在慢性胃炎自动评估中的方法创新与转化潜力，推动人工智能与临床病理的深度融合，也为相关领域研究者提供有价值的参考与技术支持。
作者简介
夏琨
博士研究生
夏琨，厦门大学附属中山医院消化内科/厦门大学医学院内科学博士研究生，研究方向为深度学习在消化系统疾病影像、病理以及多模态领域的研究与应用。
胡益煌
博士研究生
胡益煌，厦门大学信息学院计算机科学系博士研究生，研究方向为深度学习在医学病理图像领域的研究与应用。
王连生
教授
王连生，现为厦门大学信息学院教授，医学院消化病学系双聘教授，博士生导师，数字福建健康医疗大数据研究所副所长，福建省医学会放射学分会AI学组副组长，厦门大学医学院医学人工智能研究院（筹）负责人，MICS主席。长期从事医学影像处理研究，主持和参与多项科研项目，包括国家自然科学基金仪器专项、科技部科技创新2030、国家重点研发项目、国家自然科学基金面上和青年项目等，发表包括Nature Machine Intelligence、Nature Communications、Cell Reports Methods、人工智能顶会CVPR/AAAI等相关研究论文100余篇，获得腾讯犀牛鸟科研奖、CSPE Young Investigator、福建省科技进步二等奖、2023年厦门大学田昭武交叉学科奖，带领团队先后11次在国际医学影像比赛中获得冠军。
任建林
教授
任建林，闽江学者、二级教授、主任医师、西安交通大学医学博士、博士生/博士后导师、国家卫生健康突出贡献中青年专家、享受国务院特殊津贴专家，国家临床重点专科消化内科带头人，纽约大学、哈佛大学麻省总院高级访问学者。
现任厦门大学附属中山医院副院长、厦门大学消化疾病研究所所长、厦门大学医学院微生态研究院院长、厦门大学医学院消化病学系主任、厦门市肠道微生态与健康重点实验室主任、厦门市消化内科质控中心主任。
主要从事医学临床实践、科学研究及教育教学工作。长期从事消化疑难病诊治，擅长消化道粘膜损伤与保护，消化系早癌防治，消化身心疾病诊治，肠道微生态、医学人工智能内镜等相关工作。所率领的团队连续获评福建省优秀导师团队，在肠道微生态与消化重大疾病防治、医学人工智能产学研转化应用，消化系肿瘤早诊早治等领域处于国内先进水平。
牵头创建了海峡两岸消化论坛暨世界华人消化创新论坛、世界华人消化青年论坛、海峡消化中华行等知名学术品牌。担任全国高等医学院校规划教材《内科学》常务编委，主编专著10部，SCI收录论文60余篇，包括: Lancet gastroenterolgy & hepatology、Gastroenterolgy、J Hepatology、Hepatology等，主持973、国家科技重大专项分课题5项、国家自然科学基金4项，省、市重大课题10余项，获省市科技奖6项，其中以第一完成人获福建省科技进步二等奖1项及厦门市科技进步一等奖1项，获批转化各类专利7项，培养硕士、博士、博士后150名；是国家科技奖、中华医学科技奖、教育部长江学者、科技部国家重大科技专项等评审专家。获评福建省高层次人才B类人才、福建省百千万人才工程入选者、厦门市杰出人才、厦门市高层次人才A类人才、厦门市拔尖人才、厦门市海纳百川领军特支人才、厦门卫生系统首批学术与技术带头人等，是海峡两岸消化杰出贡献奖获得者、福建省卫生健康系统先进工作者。
许鸿志
副教授
许鸿志，厦门大学附属中山医院消化内科行政主任，博士、主任医师、副教授、硕士研究生导师。现任消化内科行政主任兼内科教研室主任，厦门大学消化疾病研究所副所长、厦门大学医学院微生态研究院副院长、国家消化系统疾病临床医学研究中心福建省分中心常务副主任，福建省肠道微生态与消化系统疾病防治临床医学研究中心主任，厦门市消化内科专业质量控制中心常务副主任。
擅长疑难复杂消化系统疾病的内镜诊治和多光学技术诊断消化系统早期肿瘤，专注消化道微生态与消化系统重大疾病基础与临床研究，以及人工智能辅助消化内镜微创诊疗技术的研发。主持国家、省级课题多项，以第一/通讯（含共同）在Gastroenterology、EBioMedicine、Am J Gastroenterol、GIE等杂志发表SCI学术论文20余篇。参编学术专著6部，包括参编高教出版社《内科学》教材1部、人卫出版社副主编2部。
相关论文信息
相关论文发表在CellPress细胞出版社旗下期刊Patterns上，点击“阅读原文”或扫描下方二维码查看论文
▌论文标题：
GastritisMIL: an interpretable deep learning model for the comprehensive histological assessment of chronic gastritis
▌论文网址：
https://www.sciencedirect.com/science/article/pii/S2666389925001345
▌DOI：
https://doi.org/10.1016/j.patter.2025.101286
▲长按图片识别二维码阅读原文
Patterns现已加入Cell Press MJS多刊审稿！Cell Press Multi-Journal Submission（点击查看）的前身Cell Press Community Review模式于2021年推出。对于通过Cell Press Multi-Journal Submission“多刊审稿”模式投稿的作者，我们将提供稿件被多本期刊同时考虑的机会。超过80%通过Cell Press Multi-Journal Submission“多刊审稿”模式投稿的文章获得了至少一个或多个期刊的评审。
CellPress细胞出版社
▲长按识别二维码关注细胞科学
内容中包含的图片若涉及版权问题，请及时与我们联系删除
