您当前的位置：首页 > 医药健康

填补空白淋巴瘤病理诊断迈入数智化阶段，本土研发技术助力精准高效诊断

2025-09-25 17:30:13

苏州2025年9月25日 /美通社/ -- 近日，"中华医学会病理学分会第十一届数字病理与人工智能学术专题会暨《中华病理学杂志》创刊70周年学术活动"在苏州隆重举行。在大会专设的"人工智能分论坛"的新技术发布环节上,"淋巴瘤CD30免疫组化数字病理图像处理技术平台"作为数字医疗领域的技术创新典范在会上首次公开亮相。作为在华跨国药企中推动数字医疗创新的先行者，武田中国正在助力"淋巴瘤CD30免疫组化数字病理图像处理技术平台"这一创新成果的转化。

作为具有突破性的淋巴瘤CD30免疫组化图像分析数字病理辅助诊断技术，该平台可辅助对CD30免疫组化病理图片进行精准定量判读，提升准确性和效率，其应用对CD30非均一性表达的淋巴瘤的治疗具有重要意义，成功填补了相关领域的技术空白，有力地推动了淋巴瘤病理诊断迈入数智病理新时代。这一重大突破充分彰显了我国在医疗装备领域强劲的自主创新能力，同时也为推动我国生物医药产业高质量发展注入新动能。

淋巴瘤精准诊断亟待突破，病理诊断迎来转型关键期

在我国，淋巴瘤的发病率约为6.68/10万，且以每年3%至5%的速度持续上升。目前，全国每年大约有10万例新发淋巴瘤患者，临床对精准诊断的需求日益迫切。CD30作为淋巴细胞活化与分化过程中的关键标志物，其表达水平在不同类型的淋巴瘤中存在显著差异。精确评估CD30的表达状态，不仅有助于患者的精准分型，更对临床试验入组筛选及靶向治疗方案的制定具有重要指导价值^[1],[2]。但传统的诊断方法普遍存在检测周期长、操作繁琐以及主观判读有差异等挑战，限制了诊断的精准性、一致性与效率，也影响了患者的治疗决策与临床预后。因此，在临床实践中亟需一种准确、客观且经济高效的诊断手段，以实现淋巴瘤的早期、精准识别，为后续个体化治疗提供可靠依据^[3],[4],[5]。

针对上述临床需求，项目团队建立了涵盖近千例不同类型CD30阳性淋巴瘤病理切片的数据库，并以专家共识为判读标准，融合深度学习算法，成功开发出淋巴瘤CD30智能辅助判读系统。该系统能够精准计算肿瘤细胞和类淋巴细胞的CD30阳性比例，显著提升了判读的效率与一致性。目前，团队正基于该项技术，构建多种人工智能病理诊断平台，积极推进"数智病理应用平台及智慧病理中心"的建设进程。

跨界合作，推动创新成果转化、助力健康中国建设

今年8月中下旬，在武田中国的推动下，"淋巴瘤CD30免疫组化数字病理图像处理技术平台"正式注册为国家二类医疗器械。"淋巴瘤CD30免疫组化数字病理图像处理技术平台"是武田宣布成立武田中国创新中心（TCIC）后，在华获批的首款由本土团队合作开发，拥有完全自主知识产权的数字医疗器械，标志着武田中国的数字医疗创新实践实现了从概念孵化到商业化落地应用的闭环。同时，这也是数字医疗创新领域中，各跨领域合作伙伴协同推动创新成果转化的又一典范实践。

武田中国医学事务部负责人曹娴表示：我们一直高度重视患者的声音和临床实践的未满足需求，并以此作为医学决策的起点。在该项目中，我们以CD30临床实践中"病理读片难"的困境为切入点，秉持"以患者为先"的理念，提供关键解决方案缩短精准诊断路径，助力患者及时获得恰当治疗，推动标准治疗再升级。作为一家全球化的制药企业，我们积极拥抱医疗科技与数字化创新，构建开放协同的数字医疗生态圈，助力破解临床诊疗中的"读片困境"。"淋巴瘤CD30免疫组化数字病理图像处理技术平台"的获批，是武田响应临床亟需，推动数字医疗创新成果转化，为患者带来健康生活和美好未来的真实写照。

武田中国数字化科技部负责人顾青表示：秉持"释放数据与数字化力量"的理念，武田不仅致力于提升患者福祉，更积极推动医疗行业的创新变革。此次"淋巴瘤CD30免疫组化数字病理图像处理技术平台"的获批，正是武田中国深耕本土市场、聚焦临床实际需求、加速医疗技术创新的有力体现。展望未来，在武田中国创新中心（TCIC）的有力推动下，我们将携手多方，以更加积极的姿态，加速数字医疗创新产品与服务在真实场景中的落地应用，助力中国数智病理时代的加速到来，为健康中国建设注入新动能。

获批编号：C-ANPROM/CN/NON/0068

获批日期：2025年9月

[1] 中国肿瘤整合诊治指南 - CACAKP - 抗癌协会科普防治平台.https://cacaguidelines.cacakp.com/pdflist/detail?id=433

[2] CD30阳性淋巴瘤病理专家组. 淋巴瘤CD30免疫组织化学检测及结果判读规范[J]. 中国癌症杂志,2023,33(3):228-234.

[3] Shen, M, Jiang, Z. Artificial Intelligence Applications in Lymphoma Diagnosis and Management: Opportunities, Challenges, and Future Directions. J Multidiscip Healthc. 2024; 17 5329-5339.

[4] Bai A, Si M, Xue P, Qu Y, Jiang Y. Artificial intelligence performance in detecting lymphoma from medical imaging: a systematic review and meta-analysis. BMC Med Inform Decis Mak. 2024;24(1):13. Published 2024 Jan 8.

[5] 王传艳,杜立法,张小梅,等. 人工智能在淋巴瘤病理诊断中的作用[J]. 山东第二医科大学学报,2025,47(3):236-240.

声明