简介：摘要目的探讨非结核分枝杆菌肺病的临床病理学特征和分子病理学方法在其诊断中的价值。方法分析首都医科大学附属北京胸科医院2016年2月至2019年8月石蜡包埋标本诊断肺部非结核分枝杆菌（NTM）感染的45例患者病理组织学形态、抗酸杆菌形态特征及临床、影像、细菌学资料；荧光PCR方法检测结核分枝杆菌特异基因序列IS6110；探针熔解曲线方法行分枝杆菌菌种鉴定；选取同期确诊肺结核病例50例进行比较分析。结果NTM肺病病理组织学表现为坏死性肉芽肿34例（75.6%，34/45），非坏死性肉芽肿1例（2.2%，1/45），非肉芽肿病变10例（22.2%，10/45）；坏死为粉染坏死、富于核碎片的嗜碱性坏死及化脓性坏死，与肺结核比较，后者更多表现为粉染坏死及嗜碱性坏死，差异有统计学意义（χ2=10.270，P=0.001；χ2=7.449，P=0.006）；17例（37.8%，17/45）NTM肺病中观察到巨大奇异形多核巨细胞，与肺结核组比较差异有统计学意义（χ2=13.446，P<0.01）。抗酸杆菌数量多少不一，形态多样，胞内分枝杆菌常见大量抗酸杆菌，堪萨斯分枝杆菌奇异形抗酸杆菌易见。胞内分枝杆菌18例（40.0%，18/45），蟾蜍分枝杆菌8例（17.8%，8/45），鸟、堪萨斯、龟分枝杆菌各6例（13.3%，6/45），猿猴分枝杆菌1例（2.2%，1/45）。结论NTM肺病的诊断和鉴别诊断值得病理医师关注，仅靠组织形态学特征和抗酸杆菌形态特点不能明确诊断，分子病理学方法是确诊结核病和NTM肺病的重要手段。

简介：摘要目的探索建立基于深度迁移学习的人工智能肺癌辅助诊断系统并评估其应用价值。方法收集2016至2019年之间首都医科大学附属北京胸科医院保存的519例肺部组织切片（包括正常肺、腺癌、鳞状细胞癌和小细胞癌），扫描成数字切片，分为316张训练集和203张内部测试集。训练集由病理医师进行标注，使用基于ResNet-50的DeepLab v3图像分割模型建立肺部癌区像素级识别模型。在模型训练过程中，将胃部癌区识别模型的参数作为初始值，通过迁移学习策略对肺部癌区识别模型参数进行二次训练优化。再分别利用首都医科大学附属北京胸科医院的203张内部测试集以及从美国癌症影像档案（TCIA）数据库获得的1 081张外部测试集对已建立的辅助诊断模型进行验证。结果在较少样本量的情况下，迁移学习模型比普通模型显示出更好的识别准确度［曲线下面积（AUC）值0.988∶0.971，Kappa值0.852∶0.832］。此外，对外部测试集，该研究建立的迁移学习模型诊断AUC值为0.968，Kappa=0.828，表示该模型具有很好的推广性。结论该研究建立的人工智能肺癌病理辅助诊断方法具有较好的准确性和外部推广性。随着病理人工智能研究的不断深入，迁移学习方法有助于缩短诊断模型训练周期，提高诊断模型的准确性。

简介：摘要： 计量标准考核是国家主管部门对计量标准测量能力的评定和利用该标准开展量值传递的资格的确认。被考核的计量标准不仅要满足相应的技术要求，还必须满足国家法制管理的有关要求。