编者按：近年来，我国泌尿系统肿瘤的发病率逐年提高，前列腺癌、膀胱癌和肾癌已居我国常见肿瘤的前列，严重威胁广大人民群众的健康。其中，肾嗜酸性肿瘤是高度异质性的、一组以肿瘤胞浆嗜酸性为特点的病变，而鉴别诊断是诊断和治疗中的重要环节，对于提高治疗效果、改善患者预后具有重要意义。在近期举行的国家癌症中心泌尿肿瘤学术研讨会暨医学前沿大家谈(秋季)期间，肿瘤瞭望-泌尿时讯特邀国家癌症中心/中国医学科学院肿瘤医院病理科郑闪教授分享嗜酸性肿瘤的重要特点、预后情况以及人工智能价值等精彩内容。

01

《肿瘤瞭望-泌尿时讯》：细胞学伴嗜酸性表现的肾肿瘤诊断，是泌尿病理中最具挑战性的话题之一。请您具体介绍下嗜酸性肿瘤的重要特点？

郑闪 教授：嗜酸细胞性肾肿瘤是一类包含多种类型的疾病，主要包括嗜酸细胞瘤、嫌色细胞癌以及介于两者之间的杂交形态肿瘤（目前归类为其他嗜酸细胞性肿瘤，目前建议其分为：嗜酸性空泡状肿瘤、低级别嗜酸性肿瘤等）。

从临床角度看，这类肿瘤多见于老年人群体，且除嗜酸性空泡状肿瘤外，其余类型更常见于男性。其中，嗜酸细胞瘤是良性的，而嫌色细胞癌则具有恶性，剩下的两类被认为是交界性的，预后较好。小结一下，此类肿瘤属于良性或低度恶性肿瘤。因此，当患者收到相关报告时不必过于担心。

在显微镜下观察时，不同类型的嗜酸细胞性肾肿瘤展现出各自独特的形态特征：嗜酸细胞瘤表现为富含嗜酸性胞浆的细胞，边界不清但异型性小。嫌色细胞癌拥有典型的核周空晕及葡萄干样核等标志性表现。嗜酸性空泡状肿瘤显示出类似嫌色细胞癌的一些特点，如表现为胞浆空泡，类似嫌色细胞癌的核周空晕，其细胞核更接近嗜酸细胞形态，没有皱缩改变，但核级高，有明显核仁。低级别嗜酸性肿瘤结合了部分嫌色细胞癌与嗜酸细胞瘤的特点，比如存在核周空晕的同时保持较为规则的细胞核结构。

如果出现形态不经典的情况，为了准确区分这些相似外观下的细微差异，通常会采用免疫组织化学染色技术来辅助诊断。最常用的标记物包括CK7和CD117，通过分析它们不同的表达模式可以帮助确定具体类型。如果两者均为阴性，则提示可能并非真正的嗜酸细胞性肾肿瘤，此时需要进一步检测其他蛋白以明确诊断。

另外，分子生物学手段也在该领域发挥着重要作用，但目前尚未广泛应用于临床诊疗。例如，已知嗜酸细胞瘤常伴有CCND1基因扩增；嫌色细胞癌涉及多条染色体缺失及TP53突变；而对于其他两种亚型，则发现了TSC1/TSC2及相关mTOR信号通路上的遗传变异。总之，了解上述信息有助于更好地认识并管理这一复杂而又相对少见的疾病类别。

02

《肿瘤瞭望-泌尿时讯》：这类嗜酸细胞性肾肿瘤，可以通过哪些因素判断患者预后情况？

郑闪 教授：在评估肾癌患者的预后时，我们通常会参考一系列经典指标。作为病理科医生，我想重点介绍几个与疾病进展密切相关的病理学因素，包括肿瘤大小、分期情况、组织学分级，以及其他因素。首选，直观上理解，较大的肿瘤往往意味着它可能已经对周围组织造成了更广泛的破坏；因此，相比小尺寸的病变，大体积肿瘤通常预示着较差的预后。

除了考虑肿块大小外，其扩散范围也是决定病情严重程度的重要因素。具体来说，如果癌症仅限于肾脏内部，则属于早期阶段；一旦突破至外部，如侵入邻近脂肪层甚至血管系统（包括直接侵犯或通过血液转移），则表明进入了更为晚期的状态。显然，后者情况下患者面临的挑战更大。

再次，病理分级也是一个很重要的因素。目前针对嗜酸细胞性肾肿瘤还没有一套成熟的分级体系可供使用。在这类特殊类型的肿瘤中，传统意义上的分级标准应用价值有限。

此外，某些特定的形态变化同样能够反映出疾病的侵袭性增强，比如出现坏死区域、肉瘤样变或是横纹肌样分化等现象。当这些异常表现达到一定比例时（例如超过5%-10%），报告中会特别指出；一旦比例上升至30%及以上，提示患者预后更差。

近年来越来越多的研究表明，特定基因突变也可能参与到肾癌的发生发展过程中来，并间接影响到最终治疗效果的好坏。尽管现阶段关于这方面的认识尚处于探索初期，尚未形成统一结论，但它无疑为我们提供了新的研究方向，值得持续关注。

03

《肿瘤瞭望-泌尿时讯》：研究表明AI可辅助病例诊断，您如何看待数字病理整合形态学与分子数据在未来诊断中的角色？

郑闪 教授：这是一个非常好的问题。近年来，人工智能（AI）已经深入到我们生活和工作的方方面面。那么，在病理学领域——尤其是形态学和分子生物学方面，AI是否也能发挥作用呢？让我们一起来看看。

目前，病理诊断主要依赖于医生用肉眼观察组织切片图像来判断疾病类型。对于一些特征明显、符合教科书描述的经典病例，我们病理医师可以轻易做出准确诊断；但当遇到不典型的情况时，则需要借助免疫组化染色或进一步进行基因检测来辅助决策。无论是传统的组织图像还是现代的分子数据，其共同特点是信息量巨大且复杂。而这正是AI擅长处理的地方：通过强大的计算能力从海量数据中提取有价值的信息，并将其转化为有用的内容。因此，可以利用AI算力结合这些数据进行辅助诊断；当然，要实现这一目标可能还有很长的路要走。首先，我们需要将玻璃载玻片上的内容数字化成电子图像，这样计算机才能对其进行分析。此外，还需要建立标准化流程以确保不同实验室之间的一致性；接着是开发高效的算法模型来解析这些数字图像中的细微差别，例如细胞大小、形状以及纹理变化等特征，这样能够让AI模型更准确。

面对未知事物，人们往往会有担忧甚至恐惧的心理，特别是担心自己的工作会被机器取代。但实际上，AI更适合解决那些规则明确的问题，如判断淋巴结是否有癌细胞转移这类相对简单的任务。而对于罕见病或者复杂多变的情况，由于样本数量有限，AI的学习效果可能不如人类专家。因此，作为病理科大夫，我们应该以开放的心态拥抱新技术，并积极与计算机科学家合作，共同探索如何更好地利用AI提升医疗服务水平。

值得注意的是，某些特定类型的基因变异会在组织结构上留下痕迹，比如不同的伴侣基因引起的TFE3基因重排会产生相应的形态学改变。这意味着如果我们能够充分利用AI的强大运算力综合二代测序所获得的大量遗传信息和组织图像信息，就有望实现更加精确的综合诊断结果。最终目标是为每位患者提供个性化的治疗建议，不仅包含预后评估、还包括潜在可行的治疗方案选择，从而真正达到精准医疗的目的。

郑闪 教授

国家癌症中心/中国医学科学院肿瘤医院病理科，主任医师，医学博士，硕士研究生导师

北京市医学会病理分会泌尿病理学组副组长

北京抗癌协会泌尿男生殖肿瘤专业委员会委员

《肿瘤研究与临床》编委