A Novel Hybrid Pyramid ViT-ConvFormer Architecture with Dynamic Early Stopping Analysis for Enhanced Diagnostic Efficiency in Diffuse Large B-Cell Lymphoma

在人类生物学的微观世界中，某些癌症并非单一的敌人，而是一个由不同威胁构成的不断变化的景观。其中一种威胁便是弥漫性大 B 细胞淋巴瘤（DLBCL），这是一种侵略性极强的血液癌症，在每位患者身上的表现各不相同。为了进行有效治疗，医生必须确定肿瘤细胞内的一种特定分子特征，即被称为 MYC 的标记物。如果存在该标记物，疾病会以极其恐怖的速度蔓延，需要更强有力且更密集的治疗方案；如果不存在，标准疗法可能就足够了。目前，寻找这一标记物是一个缓慢、昂贵且耗费人力的过程，依赖于在显微镜下进行的专门化学测试。病理学家——即那些检查组织样本的医生——必须手动扫描数千个细胞，寻找细胞外观和行为变化的细微线索。这种人工努力至关重要，但也容易受到疲劳和差异的影响，这意味着两位专家对同一张切片片的判断并不总是一致。

为了加速这一关键诊断过程，来自马来西亚的一个研究小组开发了一种新型人工智能，旨在以极高的速度和精度读取这些组织切片。他们创建了一个名为 PyConv 的系统，它充当了病理学家的数字助手。他们面临的挑战是，现有的计算机模型要么速度太慢无法投入实际应用，要么过于简单而无法洞察全局。新模型通过结合两种不同的观察方式解决了这个问题：一种专注于单个细胞的微观细节，另一种则理解组织的整体形状和排列。其结果是一个能够区分危险癌症形式与良性非癌组织，且具有近乎完美准确性的工具，同时其学习速度也比以往的系统快得多。

研究人员在大量的数字组织图像集上测试了他们的创造物，这些图像取自 180 个真实的患者样本。这些样本被仔细地分为三组：患有侵略性 MYC 阳性癌症的患者、患有侵略性较低的 MYC 阴性版本的患者，以及作为健康对照组的良性非癌性淋巴结组织。为了确保计算机学习的是识别疾病而非仅仅记住特定的切片，团队对数据进行了拆分，确保没有单个患者的组织出现在超过一个组别中。总计，该系统分析了近 70 万个微小的组织正方形小块，每一块都包含了细胞景观的缩影。

PyConv 的核心创新在于其处理图像的方式。它不是使用单一方法，而是同时运行两个平行的分析流。其中一个流就像一个高倍放大镜，利用专门的图层来检查细胞核的精细边缘和内部染色质的纹理。这个流擅长捕捉定义癌细胞的特定微观不规则特征。第二个流则像一个广角镜头，向后退一步，观察整个组织样本中细胞的排列情况。它寻找更广泛的模式，例如细胞是在形成有组织的集群，还是在混乱地扩散。设计的精妙之处在于这两个流是如何相互交流的。一个融合层允许细节化的近景视图来引导广角视图，从而确保系统关注最重要的生物学特征，而不是被背景噪声或染色差异所干扰。

当研究人员将这个混合系统投入测试时，结果令人瞩目。该模型在仅经过 20 轮训练后就达到了性能巅峰，这一速度代表了与仅依赖广角 Transformer 方法的其他先进模型相比，缩减了 83.5% 的时间。在准确性方面，该系统在几乎每一个案例中都正确识别了组织类型，成功率达到了 99.62%。更重要的是，它不仅仅是在猜测；它学会了以一种在统计学上与现有的最复杂、重型模型无异的确定性，来区分危险的 MYC 阳性癌症与 MYC 阴性版本。它在识别良性组织方面也表现得异常出色，有效地排除了不存在癌症的情况。

为了确保计算机不仅仅是在记忆模式，而是真正理解了生物学，研究人员使用了一套可视化工具来展示模型正在“看到”什么。这些可视化工具强调了影响决策的图像特定部分。可视化结果显示，系统正确地聚焦于疾病的生物学特征：细胞核黑暗且不规则的轮廓、细胞内突出的中心，以及细胞在组织中的分布方式。它忽略了经常使人类观察者感到困惑的无关背景颜色或伪影。这种透明度至关重要，因为它证实了模型的决策是基于真实的医学证据，而非随机噪声。

该研究还探讨了人工智能领域的一个常见担忧：更快的模型是否必然意味着较低的准确性。虽然一些现有模型在处理图像时速度稍快，但研究人员发现，它们在诊断准确性上的差异微乎其微，在统计学上并不显著。换句话说，新系统实现了两全其美：既拥有简单模型的快速收敛性，又具备复杂模型的高诊断精度。通过平衡速度需求与可靠性需求，PyConv 为将先进人工智能整合进临床实验室提供了一条切实可行的路径。它预示着一个未来，即这些复杂癌症的初步筛查可以实现更高的速度和一致性，从而支持而非取代人类病理学家的专家判断，潜在地为这种侵略性疾病的患者带来更快的治疗决策。