(北京大學(xué)醫(yī)學(xué)部病理學(xué)系，第三醫(yī)院病理科，北京 100191)

隨著后基因組時(shí)代的來(lái)臨，高通量和高敏感性分析技術(shù)的興起、與信息和人工智能技術(shù)的結(jié)合，以及各種新興技術(shù)向醫(yī)學(xué)各領(lǐng)域的滲透，醫(yī)學(xué)進(jìn)入了一個(gè)飛速發(fā)展的時(shí)期。新的醫(yī)學(xué)模式不斷地被提出和定義。個(gè)體化醫(yī)療以及最新的精準(zhǔn)醫(yī)學(xué)(Precision medicine)，旨在通過(guò)分子組學(xué)為患者提供個(gè)性化和更有效的疾病診斷、治療和預(yù)防的手段。在腫瘤分子靶向治療的推動(dòng)下，分子病理學(xué)的誕生使病理學(xué)從單純的疾病診斷延伸到臨床治療的全過(guò)程，重新定義了病理學(xué)在現(xiàn)代醫(yī)學(xué)中基礎(chǔ)研究與臨床之間的橋梁作用，而同時(shí)傳統(tǒng)病理學(xué)的諸多領(lǐng)域，包括解剖、組織、細(xì)胞以及超微病理在整合性(Integrative)、系統(tǒng)性(Systematic)、智能化、大數(shù)據(jù)化的指導(dǎo)下，正在經(jīng)歷學(xué)科的重新布局和改造，迎接精準(zhǔn)病理學(xué)(Precision pathology)的建立。

1 傳統(tǒng)病理向形態(tài)組學(xué)的發(fā)展

病理學(xué)，尤其是解剖病理學(xué)主要是形態(tài)學(xué)，即肉眼觀察的大體病理或顯微鏡下的細(xì)胞/組織病理學(xué)，以及電子顯微鏡下的超微病理學(xué)。近年來(lái)隨著計(jì)算機(jī)以及各種新型成像技術(shù)的發(fā)展，形態(tài)組學(xué)(Morphomics，morphome)被提出：包括從傳統(tǒng)放射、超聲、磁共振，到大體器官改變的宏形態(tài)組(Macromorphome)，到組織病理為核心的微形態(tài)組(Micromorphome)，以及超高分辨顯微技術(shù)和電子顯微技術(shù)支持的納米形態(tài)組(Nanomorphome)，以接近連續(xù)的方式實(shí)現(xiàn)從器官、組織、細(xì)胞、亞細(xì)胞/細(xì)胞器以及分子水平的形態(tài)展示[1-2]。

目前，形態(tài)組學(xué)正在多個(gè)方面努力：首先通過(guò)關(guān)聯(lián)顯微技術(shù)(Correlative microscopy)實(shí)現(xiàn)不同觀察尺度下視野一致；其次以超高分辨顯微(Super-resolution microscopy)技術(shù)彌補(bǔ)光學(xué)顯微鏡到電子顯微鏡之間的由于光衍射限度所造成的分辨空白區(qū)域，即實(shí)現(xiàn)對(duì)亞細(xì)胞器、分子復(fù)合體或大分子的直接觀察。尤其是超高分辨顯微鏡彌補(bǔ)了電子顯微技術(shù)所缺乏的對(duì)多種分子、形態(tài)以及活細(xì)胞狀態(tài)下的動(dòng)態(tài)觀察。目前超高分辨SIM、STED顯微鏡已經(jīng)進(jìn)入實(shí)驗(yàn)室，PALM/STORM技術(shù)已經(jīng)有商品化的產(chǎn)品。另外，多重標(biāo)記，或高通量的標(biāo)記技術(shù)，如利用計(jì)算機(jī)技術(shù)輔助實(shí)現(xiàn)電子顯微鏡的多重標(biāo)記，即以不同大小的膠體金顆粒、不同直徑量子點(diǎn)以及不同存在形式(如膜結(jié)合、游離等狀態(tài))為區(qū)分的成像差異實(shí)現(xiàn)電子顯微技術(shù)的多參數(shù)檢測(cè)[3]；或者新的質(zhì)譜免疫組化 (MSIHC)，即利用金屬元素標(biāo)記抗體，然后進(jìn)行質(zhì)譜分析，可以同時(shí)采用上百種抗體檢測(cè)。較之熒光素，金屬元素具有更好的光譜區(qū)分度[4-6]。新型生物成像技術(shù)，如組織透明 (Tissue clearing)技術(shù)不斷涌現(xiàn)，可以實(shí)現(xiàn)無(wú)標(biāo)記或無(wú)染色成像技術(shù)。同時(shí)，計(jì)算機(jī)輔助下的數(shù)字顯微成像，可以實(shí)現(xiàn)不同圖像之間的模擬轉(zhuǎn)換，如熒光圖像、明場(chǎng)圖像、相差、HE圖像之間的自由轉(zhuǎn)換，為不同領(lǐng)域工作者提供不同的圖像形式。

尤其重要的是，形態(tài)組學(xué)的發(fā)展將實(shí)現(xiàn)對(duì)疾病改變?cè)诓煌^察層面的整合性認(rèn)識(shí)，即從影像學(xué)到病理學(xué)，器官-組織-細(xì)胞-分子的集合觀察。最近有學(xué)者將前列腺M(fèi)RI圖像與病理數(shù)字切片圖像進(jìn)行關(guān)聯(lián)分析，實(shí)現(xiàn)對(duì)前列腺癌的分析。同時(shí)，也實(shí)現(xiàn)了圖像與其內(nèi)在分子改變的關(guān)聯(lián)分析，即圖像的功能化[2]。也只有這樣才能從根本上揭示不同尺度下圖像之間的有機(jī)聯(lián)系。多模式成像(Multimodal imaging)的概念已經(jīng)被提出，旨在利用放射、超聲、光學(xué)鏡、MRI圖像，結(jié)合質(zhì)譜、分子檢測(cè)等技術(shù)獲得有關(guān)疾病全面的形態(tài)及相關(guān)分子功能信息。

2 分子病理學(xué)的拓展

分子病理學(xué)是近十年來(lái)病理學(xué)的一個(gè)最具活力和最重要的發(fā)展領(lǐng)域，使病理學(xué)進(jìn)入了腫瘤靶向治療、個(gè)體化醫(yī)療或者精準(zhǔn)醫(yī)療的領(lǐng)域。在新技術(shù)的不斷引進(jìn)和滲透下，分子病理學(xué)將會(huì)從以下3個(gè)方面進(jìn)行發(fā)展。

2.1 單一分子靶點(diǎn)到分子組學(xué)

目前分析石蠟組織或者細(xì)胞學(xué)樣本中HER2、C-KIT、PDGFRA、EGFR、BRAF、ALK、ROS1、VEGF、CD20、BCR-ABL等分子生物學(xué)改變已經(jīng)成為常規(guī)的病理治療靶點(diǎn)檢測(cè)項(xiàng)目；而新的靶點(diǎn)正不斷被鑒定[7]。通過(guò)對(duì)治療靶點(diǎn)、分子分型、組織病理學(xué)分級(jí)及病理臨床分期等方面的深入分析，病理學(xué)檢查為確定腫瘤的分類及分層治療提供了依據(jù)。然而，多數(shù)腫瘤分子分型，或者預(yù)后因素涉及多個(gè)基因改變，這既是驅(qū)動(dòng)基因突變帶來(lái)信號(hào)通路激活的結(jié)果，同時(shí)也是腫瘤普遍存在異質(zhì)性的原因。另外，部分腫瘤會(huì)發(fā)生具有背景基因的突變，如目前已經(jīng)明確的BRCA1/2、MMRs、P53、PTEN、RB等基因的突變。腫瘤組織學(xué)分級(jí)和臨床分期也反映了基因改變的差異。因此，分子譜、分子組檢測(cè)將成為必然。

尤其是近些年來(lái)，以二代測(cè)序技術(shù)(the Next-Generation Sequencing)作為標(biāo)志的高通量(High-throughput)檢測(cè)技術(shù)的普及，標(biāo)志著生命科學(xué)進(jìn)入了一個(gè)嶄新的時(shí)代[8-9]。二代測(cè)序、基因芯片、蛋白質(zhì)組、代謝組、NanoString等高通量分子檢測(cè)技術(shù)使生物醫(yī)學(xué)研究可以大量分子同時(shí)檢測(cè)，同時(shí)獲得分子間功能調(diào)節(jié)的網(wǎng)絡(luò)效應(yīng)信息，因此生物醫(yī)學(xué)進(jìn)入了組學(xué)(-omics)時(shí)代，即包括基因組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)、外顯子組學(xué)、微小RNA組學(xué)、代謝組學(xué)、表觀遺傳組學(xué)的全基因組分析(Whole Genome Analysis)的大數(shù)據(jù)時(shí)代。分子組學(xué)的興起催生了生物學(xué)領(lǐng)域系統(tǒng)生物學(xué)(Systems Biology)的誕生。病理學(xué)界也提出建立系統(tǒng)病理學(xué)(Systems Pathology)這一新的方向：即基于病理形態(tài)變化，以新一代測(cè)序技術(shù)等高通量分析技術(shù)為基礎(chǔ)，整合定性與定量、動(dòng)態(tài)與靜態(tài)信息，建立起具有連貫性的模式來(lái)闡明疾病、重復(fù)預(yù)測(cè)疾病過(guò)程以及選擇不同的治療方案等[10]。

2.2 靜態(tài)到動(dòng)態(tài)，或診斷到全程監(jiān)測(cè)

由于非侵入性檢查理念和分子病理學(xué)的進(jìn)展，以及高敏感性檢測(cè)技術(shù)的誕生，如數(shù)字PCR技術(shù)、超深度二代測(cè)序技術(shù)等，病理學(xué)分析材料正不斷從依賴活檢、切除標(biāo)本，向更多利用脫落細(xì)胞學(xué)和針吸細(xì)胞學(xué)，尤其是血液、尿液、腦脊液等體液分子的檢測(cè)，即液體活檢(Liquid biopsy)方面發(fā)展。尤其在腫瘤治療過(guò)程中靶向分子的治療反應(yīng)、耐藥性、繼發(fā)突變確定，液體活檢正在迅速開展，其檢測(cè)的內(nèi)容也在不斷更新，從循環(huán)腫瘤細(xì)胞(CTC)、循環(huán)腫瘤DNA(CTD)到最近確立的腫瘤外泌體(Exosome)、腫瘤修飾血小板(Tumor educated platelet)的檢測(cè)，以及單細(xì)胞分析及相關(guān)技術(shù)也將是病理學(xué)發(fā)展的一個(gè)新的生長(zhǎng)點(diǎn)，期待被廣泛應(yīng)用于疾病的診斷、預(yù)后判斷、治療反應(yīng)預(yù)測(cè)與療效評(píng)估、甚至于疾病的易感性評(píng)估[11-12]。

2.3 分子檢測(cè)與病理圖像的整合

疾病通常涉及多種組織或者多種類型的細(xì)胞，即使腫瘤也通常由形態(tài)各異的腫瘤細(xì)胞排列成多種組織構(gòu)象，其反映了疾病中細(xì)胞間的相互作用以及腫瘤細(xì)胞分化程度、演進(jìn)的差異等等。如何將分子改變與組織圖像有機(jī)聯(lián)系是一個(gè)當(dāng)今正在發(fā)展的領(lǐng)域。一方面通過(guò)對(duì)于分子檢測(cè)與圖像的相關(guān)性進(jìn)行海量的數(shù)據(jù)分析而實(shí)現(xiàn)。而另一方面，保留圖像的原位分子分析技術(shù)同樣是更容易理解的方式。與之相關(guān)的技術(shù)包括目前正在興起的單細(xì)胞測(cè)序、組織原位高通量測(cè)序(in situ-NGS)、原位蛋白質(zhì)組學(xué)或質(zhì)譜圖像技術(shù)(MSI)。無(wú)論是對(duì)大量數(shù)據(jù)分析，或是通過(guò)這些所謂原位技術(shù)的成果將促進(jìn)分子病理學(xué)與傳統(tǒng)病理學(xué)的融合，即分子組學(xué)與形態(tài)組學(xué)的融合，從而解決腫瘤異質(zhì)性、腫瘤演進(jìn)、致病基因突變與組織發(fā)生、分化途徑的關(guān)系等腫瘤分子分型的依據(jù)等重要問(wèn)題[13-14]。

3 從數(shù)字切片到計(jì)算病理學(xué)和智能化病理學(xué)

本世紀(jì)初，信息技術(shù)滲透到常規(guī)病理檢查實(shí)踐，產(chǎn)生了最初的遠(yuǎn)程顯微鏡(Remote microscope)以及虛擬切片(Virtual slide)技術(shù)，為病理圖像交流提供了便利。經(jīng)過(guò)多年發(fā)展， 全數(shù)字切片(WSI)得到實(shí)現(xiàn)，不僅運(yùn)用于遠(yuǎn)程病理 (Telepathology)診斷，也正在逐步改變著病理診斷的工作模式。同時(shí)，包括語(yǔ)言、文字等多種方式的人機(jī)交流系統(tǒng)也進(jìn)入病理診斷輔助系統(tǒng)[15]。

數(shù)字切片技術(shù)的發(fā)展使圖像的定量分析成為了可能，即計(jì)算病理學(xué)(Computational pathology)逐漸興起。無(wú)論是基于手工指導(dǎo)性特征(Handcrafted features)或是非指導(dǎo)性特征(Unsupervised feature)的定量分析都成為計(jì)算病理學(xué)的分析途徑。目前基于全數(shù)字切片已經(jīng)嘗試應(yīng)用于移植病理等常規(guī)病理學(xué)的定量化分析[16-17]。

計(jì)算病理學(xué)的發(fā)展使得人工智能 (Artificial intelligence)技術(shù)正進(jìn)入病理學(xué)領(lǐng)域，以機(jī)器學(xué)習(xí)(Machine learning)或者深度學(xué)習(xí)(Deep learning)的方式建立自動(dòng)人工智能系統(tǒng)不僅可以實(shí)現(xiàn)計(jì)算機(jī)輔助診斷，即服務(wù)于病理醫(yī)師的輔助診斷系統(tǒng)(SMILE)，還可以實(shí)現(xiàn)診斷的客觀性、均質(zhì)化及標(biāo)準(zhǔn)化。目前，國(guó)際病理學(xué)會(huì)、相關(guān)學(xué)術(shù)機(jī)構(gòu)以及有關(guān)企業(yè)正在利用深度學(xué)習(xí)開發(fā)智能化的圖像分析與識(shí)別：如細(xì)胞核、病原體(結(jié)核桿菌)、淋巴結(jié)轉(zhuǎn)移癌、癌細(xì)胞、肺癌類型的自動(dòng)識(shí)別。不僅如此，進(jìn)一步結(jié)合分子檢測(cè)，將人工識(shí)別與分子病理學(xué)相結(jié)合，即實(shí)現(xiàn)病理圖像功能化：圖像與臨床資料、分子檢測(cè)一體化已經(jīng)初見(jiàn)端倪。最近，有學(xué)者開發(fā)出FusionGP系統(tǒng)(2016)，對(duì)乳腺癌采用數(shù)字圖像與ER表達(dá)、基因表達(dá)譜、拷貝數(shù)變異相結(jié)合，預(yù)測(cè)患者化療敏感性、臨床預(yù)后與結(jié)局[18-19]。除此之外，更應(yīng)該看到基于數(shù)字病理的人工智能化病理技術(shù)將為未來(lái)病理圖像數(shù)據(jù)庫(kù)的建立提供契機(jī)，實(shí)現(xiàn)“以圖搜圖”，即實(shí)現(xiàn)類似基因序列比對(duì)的圖像比對(duì)(Image blast)。

4 病理大數(shù)據(jù)——精準(zhǔn)醫(yī)學(xué)的重要節(jié)點(diǎn)

分子組學(xué)的成果、信息技術(shù)的發(fā)展也改變著我們認(rèn)識(shí)事物的方式，基于多種數(shù)據(jù)的挖掘、揭示其內(nèi)部規(guī)律與聯(lián)系的全新的大數(shù)據(jù)分析方式正在形成。近年來(lái)，提出了分子病理流行病學(xué)(MPE) 的概念[20]。其內(nèi)涵在于建立一種從基因、疾病及社會(huì)、人文等因素三個(gè)主要方面探索疾病發(fā)生、治療、轉(zhuǎn)化規(guī)律的大數(shù)據(jù)分析模式。其中，可以預(yù)測(cè)包含形態(tài)組學(xué)、分子病理組學(xué)、信息以及智能化病理大數(shù)據(jù)系統(tǒng)是重要的組成部分，也是病理大數(shù)據(jù)構(gòu)建的核心內(nèi)容。

5 總結(jié)

發(fā)展精準(zhǔn)病理學(xué)將是當(dāng)今生物醫(yī)學(xué)時(shí)代的重要內(nèi)容?；蚪M學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)的發(fā)展，宏觀與微觀的圖像技術(shù)有機(jī)結(jié)合，信息及智能技術(shù)的進(jìn)步將推動(dòng)病理宏觀與微觀領(lǐng)域的深入發(fā)展，實(shí)現(xiàn)各形態(tài)層次的整合，形態(tài)與功能的整合(形態(tài)組學(xué)與分子組學(xué))，病理與臨床的整合，病理與社會(huì)、人文的整合，推動(dòng)臨床病理大數(shù)據(jù)與MPE的實(shí)現(xiàn)。

在精準(zhǔn)病理學(xué)時(shí)代，病理診斷應(yīng)當(dāng)努力做到：①診斷的客觀性、重復(fù)性、一致性；②疾病分類、分層；③疾病治療的評(píng)估與新的治療提示；④診斷到治療全程監(jiān)測(cè)；⑤新的疾病類型、疾病譜的認(rèn)識(shí)；⑥從目前MDT的一員，到精準(zhǔn)醫(yī)療網(wǎng)絡(luò)的一員。病理學(xué)必須在生命科學(xué)與臨床醫(yī)學(xué)間尋找自身的發(fā)展坐標(biāo)。不斷吸收新的技術(shù)創(chuàng)新與生命科學(xué)新的發(fā)現(xiàn)，依據(jù)精準(zhǔn)醫(yī)學(xué)計(jì)劃下各個(gè)領(lǐng)域帶來(lái)的新模式，拓展病理學(xué)的內(nèi)涵，找到廣闊的發(fā)展空間和機(jī)遇，從而不斷發(fā)揮生命科學(xué)與臨床醫(yī)學(xué)之間的橋梁作用，實(shí)現(xiàn)與時(shí)代要求相適應(yīng)的精準(zhǔn)病理學(xué)。

[參考文獻(xiàn)]

[1] LUCOCQ J M, MAYHEW T M, SCHWAB Y, et al. Systems biology in 3D space--enter the morpheme[J]. Trends Cell Biol, 2015,25(2):59-64.

[2] MAYHEW T M, LUCOCQ J M. From gross anatomy to the nanomorphome: Stereological tools provide a paradigm for advancing research in quantitative morphomics[J]. J Anat, 2015,226(4):309-321.

[3] MAYHEW T M, LUCOCQ J M. Multiple-labelling immunoEM using different sizes of colloidal gold: Alternative approaches to test for differential distribution and colocalization in subcellular structures[J]. Histochem Cell Biol, 2011,135(3):317-326.

[4] LEVENSON R M, BOROWSKY A D, ANGELO M. Immunohistochemistry and mass spectrometry for highly multiplexed cellular molecular imaging[J]. Lab Invest, 2015,95(4): 397-405.

[5] ANGELO M, BENDALL S C, FINCK R, et al. Multiplexed ion beam imaging of human breast tumors[J]. Nat Med. 2014, 20(4):436-442.

[6] GIESEN C, WANG H A, SCHAPIRO D, et al. Highly multiplexed imaging of tumor tissues with subcellular resolution by mass cytometry[J]. Nat Methods, 2014,11(4):417-422.

[7] DIETEL M. Molecular pathology: A requirement for precision medicine in cancer[J]. Oncol Res Treat, 2016,39(12):804-810.

[8] APARICIO A S, HUNTSMAN G D. Does massively parallel DNA resequencing signify the end of histopathology as we know it[J]? J Pathol, 2010,220: 307-315.

[9] MOCH H, BLANK R P, DIETE M, et al. Personalized cancer medicine and the future of pathology[J]. Virchows Arch, 2012,460: 3-8.

[10] ROSS S J. Next-generation pathology[J]. Am J Clin Pathol, 2011,135: 663-665.

[11] CHI K R. The tumour trail left in blood[J]. Nature, 2016,532(7598):269-271.

[12] HOFMAN P, POPPER H H. Pathologists and liquid biopsies: To be or not to be[J]? Virchows Arch, 2016,469(6):601-609.

[13] LONGUESPEE R, CASADONTE R, KRIEGSMANN M, et al. MALDI mass spectrometry imaging: A cutting-edge tool for fundamental and clinical histopathology[J]. Proteomics Clin Appl, 2016,10(7):701-719.

[14] LIU J, OUYANG Z. Mass spectrometry imaging for biome-dical applications[J]. Anal Bioanal Chem, 2013,405(17): 5645-5653.

[15] PARK S, PARWANI A V, ALLER R D, et al. The history of pathology informatics: A global perspective[J]. J Pathol Inform, 2013,4(4):7.

[16] ISSE K, LESNIAK A, GRAMA K, et al. Digital Transplantation Pathology: Combining whole slide imaging, multiplex staining and automated image analysis[J]. Am J Transplant, 2012,12: 27-37.

[17] AL-JANABI S, HUISMAN A, VAN DIEST P J. Digital pathology: Current status and future perspectives[J]. Histopathology, 2012,61(1)：1-9.

[18] MADABHUSHI A, LEE G. Image analysis and machine learning in digital pathology: Challenges and opportunities[J]. Med Image Anal, 2016,33:170-175.

[19] YE J J. Artificial intelligence for pathologists is not near--It is here: Description of a prototype that can transform how we practice pathology tomorrow[J]. Arch Pathol Lab Med, 2015,139(7): 929-935.

[20] HAMADA T, KEUM N, NISHIHARA R, et al. Molecular pathological epidemiology: New developing frontiers of big data science to study etiologies and pathogenesis[J]. J Gastroenterol, 2017,52(3): 265-275.