近年来，人工智能的发展可谓高歌猛进，在各行各业都得到了迅猛的发展。在医疗影像方面，人工智能与数字病理相结合也擦出了不少的火花。例如Google 用深度学习算法检测癌症，准确率远超人类病理学家。此外，FDA 宣布批准第一个整体切片成像（WSI）系统，作为病理学诊断的主要方式。而对于病理学家，肿瘤学家及其他研究工作者，各种编程语言的学习，无疑阻碍了将人工智能应用到病理研究及诊断中。现在苏州欧宝体育有限公司和美国Indica Labs 共同推出了基于人工智能学习的数字病理图像分析平台HALO，将深度学习能够快速的应用到病理学家等研究人员中。

癌症免疫疗法是继手术、放疗、化疗之后出现的新一代的肿瘤治疗方法，为患者提供了一种治疗方式，同时也为患者带了生存的希望。种种迹象表明，癌症的免疫治疗与肿瘤微环境（Tumor Microenivornment，TME）存在及其密切的联系。肿瘤微环境在抑制或增强免疫应答中发挥着重要的作用。认识免疫治疗与TME间的相互作用不仅是剖析作用机制的关键，也为改善目前免疫治疗的疗效提供新的方法也具有十分重要的意义。利用数字病理图像分析能够对肿瘤和肿瘤微环境中的免疫细胞数目进行定量，分析肿瘤组织内免疫细胞的空间分布，免疫细胞与肿瘤区域的接近距离等信息。基于这些信息，可以使临床研究人员能够定量地对肿瘤细胞生物标志物进行全面的空间分析，有助于更好的理解肿瘤的预后，找到良好的生物标志物，寻找有效的治疗方法以及预测药物的疗效。

一直以来，TNM分期作为判断恶性肿瘤的分期与预后，选择合适的治疗方案及评估肿瘤的防治效果方面起到了很大的作用。但是这种肿瘤分期标准并不能完全的预测肿瘤的治疗效果，因为在相同组织学肿瘤阶段的患者中癌症结果可能显着不同。 近30％的局限性结直肠癌患者（II期）会复发。 因此亟需寻找一种新的肿瘤预后标记物作为肿瘤患者更好的治疗管理标准。

国际上有专家学者指出免疫评分分期系统对于预测结直肠癌的预后有极好的效果。简单来讲，免疫评分即CD3+和CD8+ 两个标志物在肿瘤核心（Centre Tumor）和肿瘤浸润边缘（Invasive margin）两个区域的量化结果。CD3+和CD8+在每个区域的各自细胞高密度记为1分，低密度记为0分。然后将CD3+和CD8+细胞分别在CT和IM的密度评分相加求和，得到免疫总分（0~4分）。该方法目前已经证明在早期结肠癌中作为肿瘤预测DFS，OS良好的预测标准。此外除结直肠外，该方法也在逐渐的扩展到胃癌、肝癌、乳腺癌等其他肿瘤的预后预测的应用当中。即便对于转移性的肿瘤，该方法也能够很好的预测患者的DFS,OS。

免疫评分系统的建立为肿瘤治疗提供了新的评价标准，并且这种方法优于AJCC/UICC TNM分期系统。在临床操作上，免疫评分的检测仅仅需要两张完整（同时包含CT、IM）的肿瘤病理IHC切片，操作快捷方便，具有成本低，周期短、重复性高等特点，便于在临床上进行推广。

利用HALO软件能够快速的对WSI上的CD3+/CD8+免疫细胞进行定量分析。仅仅需要手工的对肿瘤侵袭边缘进行快速的注释，HALO便能够自动的对CT/IM区域的免疫细胞进行分析，自动化的生成Immunoscore。

肿瘤免疫治疗近几年来可谓是抗癌界中的新星，，尤其是PD-1和CAR-T这些免疫治疗在某些癌症中显示出了非常惊人的效果。肿瘤免疫治疗有望成为继手术，化疗，放疗，靶向治疗后肿瘤治疗领域的一场革新。这些免疫治疗药物包括Avelumab(默克/辉瑞)、Durvalumab(阿斯利康)、Opdivo(百时美施贵宝)、Keytruda(默克)等。研究表明这些药物对肺癌、黑色素瘤、霍奇淋巴瘤、头颈癌、肾癌等恶性肿瘤均有非常好的治疗效果，并且更多的癌种类型的适配的临床试验正在进行当中。然而这些药物并且对适用于所有的人群，如纳武单抗（Opdivo）治疗肝癌的临床试验表明客观有效率仅为20%，疾病控制率为64%。因此寻找有效的生物标记物来区分这些药物的最佳获益人群非常的重要。

目前已经进行临床使用或研究报道的主要生物标记物为PD-L1的表达，微卫星不稳定性（microsatellite instability）、TMB（Tumor mutation burden）、肿瘤侵润淋巴细胞(Tumor infiltration immune cells)等。但这些生物标记物均面临着这样那样的问题，例如PD-L1的表达在作为生物学标记物时受多种因素所致，PD-L1除在肿瘤细胞上表达之外，还表达于T细胞、B细胞等多种免疫细胞上，因此该检测何处的PD-L1的表达成为困扰。

另外，PD-L1抗体多种多样，不同的抗体染色在相同的染色条件下表现出不同的检测结果，因此有必要确定唯一的PD-L1检测抗体。不仅仅这些，选择合适的PD-L1 检测cutoffs值，统一染色标准及病理评价标准都有必要进行标准化管理。人类的免疫系统及肿瘤微环境是一个动态的、多样化的、极度复杂的环境，单个的生物标记物不可能代表人类免疫系统的复杂和动态特性，也不可能使用单一的生物标记物来对免疫治疗的药物进行预测。寻找其他有效的生物标记物便变得非常的重要。

毫无疑问，分子基因组学和数字成像在病理学领域是两个有前途的未来方向，两者都与肿瘤本身的微环境有关。NGS的近十多年来火热的发展大家有目共睹，而数字病理图像分析作为研究的一个重要工具，可以利用图像分析提供的量化和再现性，为病理学领域增加价值。

基于H&E染色的肿瘤切片，HALO病理图像分析工具基于深度学习的算法，能够准确的剔除掉正常的切片组织，筛选下含有肿瘤病变或者是特异性的切片。病理学家能够判断染色的条件，回顾组织切片，进而选择合适的切片及感兴趣的区域进行下一步的分析需求，包括进行免疫组化、免疫荧光等病理学分析，亦或是进行DNA/RNA提取，进行基因表达,NGS等分析。

利用HALO可以快速的对全组织切片（Whole Slide Image, WSI）或是感兴趣的区域（Region of Interest, ROI）进行分类、定量、空间分析等，在肿瘤微环境中提供一个全方面的景观分析；通过高通量测序（Next Generation Sequence, NGS）等基因组分子测试能够在基因层面对疾病进行分析，包括挖掘基因组范围内的遗传变异信息，发掘外显子区的致病位点及易感位点，发现稀有突变及新的变异，进行代谢通路分析等。结合临床病理分析，通过组织病理学能够方便的寻找到一些有效的生物标记物，而这些生物标记物可以在分子层面进行验证，从而为免疫治疗寻找合适的治疗患者，为药物研发提供有力的信息和证据以及指导性的意见。分子基因组学和数字病理的结合，将进一步的加快精准医学的发展进程。

苏州欧宝体育有限公司专注儿科和肿瘤精准医疗，使命是让医疗服务更有价值，是价值医疗的倡导者和践行者。公司运用高通量分子检测，大数据和认知计算技术提供转化医学研究、遗传和肿瘤精准诊断解决方案，并在特定儿科疾病和肿瘤方向累积了行业领先的数据资源。与此同时，公司在临床前、临床药物研发、伴随诊断、病理检查及生物标记物发现中提供高质量、高精度的组织病理图像分析服务平台，包括组织、细胞的IHC、ISH/FISH 、TMA、IF等生物标记物染色。