10月25日，智慧医疗研究院徐军教授团队与复旦大学附属肿瘤医院邵志敏教授团队合作的论文《单细胞形态和拓扑图谱揭示了乳腺癌的生态系统多样性》的论文在英国《自然》旗下《自然·通讯》杂志在线发表。智慧医疗研究院硕士生陈德品和复旦大学附属肿瘤医院赵珅、傅彤、杨竞成为本文共同第一作者。
在国家自然科学基金重大研究计划的支持下，由复旦大学乳腺外科与病理科以及智慧医疗研究院人工智能等多学科团队深度合作，融合机器学习、数学图论、数字图像处理等多学科知识，首创肿瘤单细胞形态与拓扑学分析算法（sc-MTOP），绘制了包含4.1亿个细胞的乳腺癌单细胞图谱，全面刻画了乳腺癌生态系统多样性，为数字病理与人工智能赋能乳腺癌精准诊疗提供了全新的视角。
首先，研究人员将sc-MTOP应用于复旦大学附属肿瘤医院637例乳腺癌（405例激素受体阳性HER2阴性、85例激素受体阳性HER2阳性、66例激素受体阴性HER2阳性、81例三阴性）数字病理切片图像进行定量分析，对约4.1亿个细胞提取单个细胞的核形态和细胞空间分布关系特征，从而可以对乳腺肿瘤生态系统进行定量分析。随后，该研究构建了4.1亿个细胞的单细胞图谱，其中包括1.9亿个肿瘤细胞（47.1%）、6685万个炎症细胞（16.3%）、1.4亿个基质细胞（34.6%）、860万个正常乳腺细胞（2.1%），并分别剖析了肿瘤细胞、炎症细胞、基质细胞的表现型多样性。最后，通过空间分布对代表局部多细胞结构的微生态模式与无复发生存进行分析，揭示了不同分子特征与患者无复发生存相关的四种乳腺癌生态型。
对多组学数据进一步分析，揭示了有临床意义的生态系统特征：三阴性乳腺癌局部聚集大量炎症细胞，可提示肿瘤微环境免疫激活，有利于免疫治疗效果；激素受体阳性乳腺癌肿瘤细胞核形态学异质性，可提示细胞周期通路激活和CDK抑制剂疗效。
因此，该研究结果表明，sc-MTOP算法能够对数字病理切片图像从单细胞水平剖析肿瘤生态系统，数字病理联合人工智能已经成为复旦大学附属肿瘤医院乳腺癌精准分型体系下独具特色的研究方向及重要转化工具。
流程图
论文的引用信息如下：
Zhao, S., Chen, DP., Fu, T. et al. Single-cell morphological and topological atlas reveals the ecosystem diversity of human breast cancer. Nat Commun 14, 6796 (2023). https://doi.org/10.1038/s41467-023-42504-y