夜雨聆风
速递|Nature子刊发表胃癌AI“数字活检”,无需重新取样
无需额外采样：AI如何从已有病理切片中“读”出复发风险
传统胃癌术后复发风险评估高度依赖病理报告中的肿瘤大小、淋巴结转移数量、组织学分级等指标，但这些指标无法完全覆盖影响复发的全部因素，预测准确性存在瓶颈。此外，传统的活检方式需要额外获取组织样本，不仅给患者带来创伤和感染风险，还存在病理医生主观判读差异的问题。
这项研究的技术核心是一个基于卷积神经网络架构的深度学习模型，命名为RSA——多模态融合风险分层评估模型。该模型不需要对患者进行任何额外的组织采样，而是直接对已有的数字化病理切片图像进行重新分析。研究团队首先对来自中国六个医疗中心的1580例局部晚期胃癌患者的病理切片图像进行染色归一化和伪影去除等标准化预处理，然后让AI模型学习识别人类病理医生肉眼难以察觉的微观形态学特征，包括细胞核形态的细微变化、肿瘤微环境的空间异质性、以及特定组织纹理模式等。
RSA模型的技术路线采用了多模态融合策略，整合了病理组学特征、影像组学特征和临床变量三大类数据。与单一模态模型相比，多模态融合显著提升了预测的稳健性。在模型可解释性方面，研究团队设计了可视化机制，能够将病理切片中哪些组织区域对高风险预测贡献最大以热力图的形式直观呈现给临床医生。这种“透明化”设计极大地增强了临床对AI决策的信任感，也弥合了“黑盒”AI模型与实际肿瘤学应用之间的鸿沟。
AUC达0.887超越传统分期：RSA模型的临床验证与应用前景
在严谨的多中心回顾性和前瞻性临床队列验证中，RSA模型的表现显著优于传统预测指标。研究数据显示，RSA模型在预测局部晚期胃癌术后早期复发方面AUC达到0.887，远超传统分期指标和已建立的生物标志物。在多变量Cox回归分析中，RSA模型的风险比达到6.84，在所有预测因子中居于首位，说明其独立预后价值极为突出。该模型在多个独立队列中均表现稳健，验证了其在不同患者群体中的泛化能力。
更值得关注的是，RSA模型能够提供超越传统TNM分期的预后信息。这意味着即使两名患者具有相同的病理分期，AI模型也能进一步识别出其中谁面临更高的复发风险。研究进一步发现，RSA模型评分为低风险的患者群体对免疫检查点抑制剂具有更高的敏感性。这一发现为术后辅助治疗决策提供了新的生物标志物参考，低风险患者可能更适合从免疫治疗中获益。
从临床落地角度看，RSA模型具有多重优势。它无需额外采样，直接利用已有的病理切片，绕过了获取侵入性样本的伦理和物流挑战。预测过程快速且可重复，AI模型能够在数分钟内完成对整张全切片图像的自动化分析。这种可扩展性尤其适合病理专家资源匮乏的地区——AI模型可以作为“第二阅读者”，帮助基层医疗机构对胃癌患者进行初步风险分层，将有限资源集中到最需要干预的高风险人群。
将RSA模型整合到常规临床工作流中，可以简化辅助治疗的患者分层、个性化随访方案制定，并通过将医疗资源集中在最需要的高风险患者身上，潜在地降低整体医疗成本。该模型还可作为其他需要预测复发风险的癌症类型的开发模板，推动精准肿瘤学进入AI驱动的“数字活检”时代。研究团队也指出，在广泛应用前仍需解决监管审批路径调整、前瞻性临床试验验证等挑战，同时数据隐私、算法公平性和可解释性等伦理考量也不容忽视。
