我院倪东教授团队在《Nature Communications》上发表了题为“Computational analysis of pathological images enables a better diagnosis of TFE3 Xp11.2 translocation renal cell carcinoma”的论文（全文链接：https://www.nature.com/articles/s41467-020-15671-5）。该研究为深圳大学医学部生物医学工程学院倪东教授团队和美国印第安纳大学医学院Kun Huang、Liang Cheng、Jie Zhang教授等合作完成。倪东教授为共同通讯作者，其团队成员程君助理教授为第一作者。

    TFE3 Xp11.2 translocation renal cell carcinoma（TFE3-RCC）是一种罕见的肾细胞癌，相较于其他肾细胞癌亚型，其恶性程度更高，但临床诊断过程中病理医生很难通过常规的H&E染色病理切片将TFE3-RCC与其他肾细胞癌亚型区分，而是需要借助其他操作更为复杂的方法如荧光原位杂交进行鉴别诊断。该研究基于常规的H&E染色病理切片，收集了迄今为止样本量最大的TFE3-RCC数据集，设计开发了一种利用计算机自动分析数字病理图像的分析方法（图1），寻找对TFE3-RCC和透明细胞肾细胞癌（最常见的肾细胞癌，约占75%）具有显著鉴别能力的细胞形态学特征，并利用机器学习的方法对这两种类型的癌症进行自动区分。在独立的验证集上，该研究所提出方法的分类性能可达ROC曲线下面积0.894。

     该研究依托广东省生物医学信息检测与超声成像重点实验室、医学超声关键技术国家地方联合工程实验室和深圳大学医学超声图像计算实验室（Lab of Medical UltraSound Image Computing, MUSIC），得到国家重点研发计划、国家自然科学基金、深圳市孔雀计划、印第安纳大学精准健康计划和美国癌症协会的资助。

    深圳大学医学超声图像计算实验室，MUSIC Lab，链接：http://www.music-bme.net/。实验室部分成员合影见图2。

图1. 研究流程概览

图2. 深圳大学MUSIC实验室部分成员合影