简介：摘要目的通过深度学习方法，探讨病理形态学与乳腺癌HER2过表达/扩增的关系。方法采集2012—2018年中日友好医院345张乳腺癌HE染色切片，所有样本均拥有HER2的准确诊断结果，并包含0、1+、2+、3+多种HER2类型。数字化扫描后，204张用于弱监督模型训练，141张用于模型测试。在训练过程中，首先通过癌区识别模型，提取热点区域，随后将热点区域输入弱监督分类模型进行深度学习模型的建立。在测试过程中，对比使用单阈值与双阈值策略的效果，验证双阈值策略在临床可用性方面的作用。结果在单阈值策略下，深度学习模型可达到81.6%的灵敏度及42.1%的特异度，AUC=0.67［95%CI（0.560，0.778）］。采用双阈值策略，模型的灵敏度为96.3%，特异度达到89.5%。结论仅使用HE组织学切片，通过深度学习技术，能够以一定的准确率实现乳腺癌HER2基因状态的预测。基于双阈值策略，能够以高灵敏度和特异度筛出大量样本。

简介：摘要患儿女，4岁5个月。因“左侧面部肿物复发”于2020年6月16日就诊于中日友好医院。患者10个月前于北京儿童医院行左侧面部肿物切除术，半年前发现左侧面部肿物再次复发。肿物位于皮下，体积约5 cm×3 cm×2 cm，主体位于腮腺浅面，部分侵犯腮腺浅叶及皮下软组织。镜下观察肿瘤为相对一致的梭形细胞，呈束状或编织状排列，细胞核呈圆形或长椭圆形，肿瘤细胞间散在成熟的小淋巴细胞，局灶可见少量成熟的脂肪细胞穿插生长。免疫组织化学CD34、S-100蛋白弥漫阳性，荧光原位杂交检测显示有NTRK1的断裂，二代测序分析具有TPM3-NTRK1融合。病理诊断为脂肪纤维瘤病样神经肿瘤。该肿瘤生物学行为良性或中间性，治疗以手术切除为主，切除不净极易复发。