近日，我院陈德华老师课题组在三级淋巴结构检测方面的研究工作“Learnable prototype-guided multiple instance learning for detecting tertiary lymphoid structures in multi-cancer whole-slide pathological images”被《Medical Image Analysis》期刊接收。论文第一作者为博士生夏鹏飞，共同通讯作者为陈德华老师和上海交通大学医学院附属瑞金医院安会敏医生。

三级淋巴结构 (TLS) 是在特定病理条件下（例如慢性炎症和恶性肿瘤）形成的异位淋巴聚集体。它们在肿瘤微环境 (TME) 中的存在与患者预后和免疫治疗反应密切相关，因此在全切片病理图像 (WSI) 中检测 TLS 对临床决策至关重要。尽管多实例学习 (MIL) 在肿瘤微环境研究中已展现出良好的前景，但其在TLS检测中的潜力却鲜有关注。此外，WSI中TLS的稀疏性和异质性给特征提取带来了重大挑战，并限制了MIL在不同癌症类型中的推广。

为了解决这个问题，本研究提出了一个弱监督框架——可学习原型引导的多实例学习 (LPGMIL)。从TLS的细胞组成角度出发，LPGMIL选择淋巴细胞密集的实例来构建可学习的全局原型。此外，LPGMIL 使用多个可学习的全局原型计算每个WSI，从而有效捕捉WSI中多样化的TLS病理模式，并细化复杂TLS特征的表示。本研究为WSI中的三级淋巴结构检测提供了一种新的解决方案。

《Medical Image Analysis》属于医学影像人工智能领域顶级期刊（中科院一区Top，影响因子10.7）。