前列腺癌被称为“沉默的杀手”，严重威胁男性健康甚至生命。据国家癌症中心数据，2020年，我国前列腺癌发病率为15.6/10万，位列男性恶性肿瘤发病率的第6位。

　　我国每年约有5万人因前列腺癌死亡，而且很多患者一经确诊就是中晚期。

　　低危前列腺癌生长缓慢，通常无需治疗，只需要密切观察、监测，而高危前列腺癌则需要立即治疗。

　　为明确患者肿瘤的侵袭性，医生通常会通过活检寻找异常情况，但这种二维方法诊断准确性较低，很难准确诊断边缘性病例，可能导致低危前列腺癌过度治疗，或高危前列腺癌被漏诊，无法得到及时治疗。

　　近日，由华盛顿大学领导开发了一种新的非侵入性的方法，可以对整个3D活检结果进行成像，而不仅仅是切片。

　　在一项原理证明的实验中，研究人员对50名患者的300个3D活组织切片进行了成像，每个患者6个活组织切片，使用3D和2D结果来预测患者肿瘤侵袭的风险。结果显示，3D检测更容易识别出五年内复发风险更高的病例。该团队在《癌症研究》杂志上发表了这些研究结果。

　　与传统病理学相比，3D检测准确性更高。它能确定哪些患者需要积极治疗或哪些患者对某些药物反应最好。

　　研究人员使用了10多年前接受手术的患者的前列腺标本，因此他们了解每位患者的结果，并可以使用这些信息来训练计算机预测结果。在这项研究中，一半的样本是高侵袭性前列腺癌。

　　为了创建3D样本，研究人员从手术切除的前列腺中提取了“活组织核”(圆柱形组织塞)，然后对活组织核进行染色以模拟2D方法中使用的典型染色。

　　该团队使用开放式光片显微镜对每个组织切片核心进行成像，该显微镜在不破坏组织样本的情况下通过光学“切片”并成像。

　　上图显示的是来自前列腺的两个3D活检样本中腺体体积渲染的屏幕截图(黄色：腺体的外壁;红色：腺体内部充满液体的空间)。与良性组织样本(底部)相比，癌症样本(顶部)显示出更小、更密集的腺体。

　　3D图像提供了比2D图像更多的信息，具体来说，是关于整个组织中腺体复杂的树状结构的细节。这些附加功能增加了计算机正确预测癌症侵袭程度的可能性。

　　研究人员使用了新的人工智能方法，包括深度学习图像转换技术，来帮助管理和解释该项目产生的大型数据集。

　　随着医学成像技术和计算分析方法的不断完善，研究团队计划开展更大规模的临床研究，希望可以为病理学带来变革，让更多患者受益。