目的:探讨常见眼睑肿瘤及瘤样病变的病变部位、组织病理学类型及组织胚胎学来源的分布情况。方法:回顾性系列病例研究。收集2000年1月-2018年12月共19年间浙江大学医学院附属第二医院眼科(浙二眼科中心)收检的5146例眼睑肿瘤及瘤样病变病理标本进行分析,探究眼睑肿瘤在不同解剖学部位及组织胚胎学来源的构成比差异以及临床发病特征。同时进行大规模文献调研,对比不同人种、地区的临床病理特征差异。结果:眼睑良性肿瘤及瘤样病变共4378例,占据全部病变的85.08%,恶性病变768例(14.92%)。良性病变中,十大高发病变中的八类更易累及上睑;以色素痣1448例(33.07%)、鳞状细胞乳头状瘤539例(12.31%)、脂溢性角化病418例(9.55%)居多。其中约33.60%(1471/4378)的病人手术年龄都小于40岁,随年龄组增大,患者人数逐渐降低。19年间患者人数增长的线性回归分析R2分别为男性0.946(P<0.01),女性0.914(P<0.01)。恶性肿瘤下睑(396例,51.5%)比上睑(206例,26.9%)更易累及,绝大部分(81.8%)发生在60岁以上的老年人群。最高发的为基底细胞癌374例(48.70%),睑板腺癌263例(32.24%),鳞状细胞癌95例(12.37%)。结论:过去19年间,浙二眼科中心的绝大部分眼睑肿瘤都是良性病变,病例数在男女性患者中都随着时间增长而增加,在手术意愿较为强烈的年轻女性尤为明显。而恶性病变中,基底细胞癌仍为最常见的类型,但是发病构成比低于肤色较浅的欧美人群。眼睑肿瘤疾病谱构成受人种、社会经济情况及患者就医意愿等因素共同影响。目的:开发一套可以从数字化病理切片中自动检测眼睑恶性黑色素瘤(恶黑),并与良性色素痣鉴别,可视化突出恶性区域的深度学习诊断系统。方法:实验设置:双中心研究。研究对象:回顾性纳入了155张包含恶黑和良性色素痣病例的苏木精-伊红染色(HE染色)数字化全景病理切片(whole-slide image,WSI),并从中切割生成225,230张病理切片滑块(patch,指从医生标注的HE染色的病理数字图像中切割出来的小块组织)。研究流程:使用带有医生标注信息的数字病理切片进行patch级别诊断模型的开发和测试,通过卷积神经网络,预测每一个patch的恶性概率。再将小块patch回填到整张切片水平,生成WSI的可视化热力图,最终使用随机森林算法生成WSI水平的诊断。主要评估指标:受试者特征曲线下面积(the area under the receiver operating characteristic curve,AUC)、准确性、敏感度和特异度等指标均被用于评估深度学习模型在检测恶性黑色素瘤时的诊断分类性能。结果:在patch级别的诊断,模型实现了0.989(95%confidence interval[CI]:0.989–0.991)的AUC,94.9%的准确性,94.7%的敏感度和95.3%的特异度。同时,我们根据恶性概率生成了可视化热力图,在展示WSI时根据恶性度进行分级。在WSI级别的诊断,模型的AUC为0.998(95%CI:0.994–1.000),98.2%的准确性,100%的敏感度和96.5%的特异度。结论:本研究的深度学习模型,通过使用人工智能的优势,实现了在数字化病理切片上对恶黑的自动诊断;同时还利用概率热力图在整张切片图像上对于恶性概率较高的区域进行突出强调。该模型有一定的潜在可能性泛化迁移到其他类型肿瘤的诊断上。目的:构建基于高压循环-卫星扫描质谱技术(PCT-SWATH)技术的常见眼睑高发肿瘤蛋白组学数据库,分析差异蛋白,并使用人工智能开发一套计算机辅助诊断初筛分类系统。方法:回顾性纳入了来自216位患者的332个(233个训练集/99个测试集)眼睑组织石蜡标本,包括良性色素痣、鳞状乳头状瘤、脂溢性角化病、基底细胞癌、睑板腺癌、鳞状细胞癌、恶性黑色素瘤及正常眼睑组织(整形手术患者)。从蜡块上打孔取下直径约0.8毫米的肿瘤组织小圆柱(punch),经一系列预处理后进入质谱仪,使用PCT-SWATH采集质谱数据。在完成质控后,对比不同类别差异蛋白;使用遗传算法挑选特征组合,并随机子空间加入具有生物意义的特征,最后使用多层感知机完成整个深度学习网络模型的构建,进行疾病类别预测。结果:实验共测得60360个肽基和4636个蛋白,正常组织在3482个蛋白类别中表达水平低于肿瘤组织,133个蛋白表达水平高于肿瘤组织(P值<0.05),存在蛋白差异化表达。本章节中构建的新型人工智能算法模型,从4636个蛋白中挑选了18个特征蛋白用于最终分类。在正常/肿瘤组织的二分类任务中,模型达到了0.973的曲线下面积,0.949的诊断准确率(含平衡准确率),86.4%的敏感度和97.4%的特异度。在单一病种的七分类诊断,模型的准确率为0.828(平衡准确率0.818)。结论:本研究利用PCT-SWATH技术,完成了常见眼睑肿瘤蛋白组学数据库的构建,其中肿瘤组织的蛋白表达丰度远高于正常眼睑组织。基于新型人工智能算法,构建了一套对常见眼睑肿瘤有较高准确率,且不依赖于传统病理形态学特征的诊断系统。不同疾病类别的差异蛋白以及使用深度学习筛选18个特征蛋白,有一定的潜力作为生物标志物应用于将来的机制研究及靶向药物开发。