病理分析是肿瘤疾病诊断的“金标准”，病理分析对患者的预后分型分期至关重要。然而，由于人眼观察的局限性，病理图像体积巨大，这些潜在信息一直未被充分挖掘和量化。病理数字化扫描技术与人工智能的发展，为病理信息的充分挖掘提供了强有力的技术手段。

在科技部重点研发计划与多个国家自然基金项目的支持下，计算机科学与技术学院刘西洋教授团队，与国内多家顶级医疗机构合作，开展了基于深度学习的病理图像分析相关的研究。单张病理图像由于分辨率高（达到百亿像素），单张图像的深度分析需要数个小时，这给大规模数据的分析带来的计算上的挑战。依托西电高性能计算中心强大的算力，目前已经有多个相关研究课题在开展。

与上海长海医院合作，使用大规模临床胃癌淋巴结转移病理组织切片数据作为研究队列，在精细化数据标注的基础上，构建了可以快速、准确识别每个胃癌淋巴结上转移灶的深度学习模型。在此基础上，研发了针对胃癌淋巴结病理临床诊断与精准亚分期的AI系统。通过双中心回顾性临床试验，证实了该系统可显著提升病理医生诊断胃癌淋巴结病理切片的效率与准确率。通过西电计算中心的服务器集群，分析了大规模病人数据（近一万张病理切片，10TB），在此基础上发现新的肿瘤预后指标--淋巴结转移面积（T/MLN），可显著提升预后分期准确性。相关文章发表在Nature Communications （2021年，IF=14.919）。同时，也入选西电校庆90周年基础研究标志性成果《献礼九十华诞·科研工作捷报频传》。

目前，该研究课题正在进一步深入推进，将胃癌推广到泛癌，以期在所有癌症的淋巴结转移中临床应用，促进精准医学发展。

与上海复旦大学附属中山医院团队深度合作，针对肝癌病理图像与临床信息，探索基于深度学习的癌症预后预测与病理图像相关特征挖掘的新方法。通过西电计算中心的服务器集群，分析了大规模的肝癌病理组织图像数据集（20TB），构建了肝癌病理组织分类与预后预测系统，可以将患者预后生存风险的预测准确性（C-index）提高到0.81。使用TCGA-HCC数据集作为独立验证集，也证实了该系统的可靠性。相关文章在消化病学领域顶刊Gut（2021年，IF=23.059）发表。