夜雨聆风
推 文 概 览
近日，Annals of Oncology在线发表了一项关于前列腺癌病理AI的研究。研究者使用多模态人工智能模型MMAI，预测非转移性、临床极高危前列腺癌患者是否能从阿比特龙强化治疗中获益。
这篇文章看似是一项常规的病理AI治疗获益预测研究。
但它值得关注的地方在于：MMAI并不是一个突然冒出来的新模型。过去几年，它已经围绕前列腺癌治疗决策连续发表多篇高水平研究，从预后预测，到短程ADT获益预测，再到长期ADT获益预测，再到STAMPEDE平台试验中的外部验证，现在又进一步进入阿比特龙强化治疗选择。
MMAI的故事并不是“一个模型发了一篇顶刊”，而是一个病理AI模型如何依托多个大型三期随机临床试验，一步步从风险分层工具，走向治疗决策工具。
正文精彩继续
一、MMAI是什么？它不是一个单一模型，而是一套不断迭代的病理AI系统
MMAI，全称是Multimodal Artificial Intelligence，多模态人工智能。
在前列腺癌场景中，它的核心思路并不复杂：把常规诊断中的前列腺穿刺活检H&E切片数字化，再结合患者的基础临床变量，最终输出一个患者层面的风险评分或治疗获益判断。
但如果只这么说，会低估MMAI的特点。更准确地说，MMAI不是一个固定不变的模型，而是一套已经经过多轮临床试验队列训练、验证和版本迭代的数字病理AI系统。
早期MMAI模型v1.1版本，可以追溯到2022年发表在npj Digital Medicine上的研究。那项研究使用5个NRG/RTOG三期随机临床试验，整合前列腺癌患者的H&E病理切片和临床数据，预测远处转移、生化复发、前列腺癌特异性生存和总生存等长期结局。研究中共有5654例患者具备病理图像数据，包含16204张组织病理切片，中位随访时间达到11.4年。
从方法学上看，早期MMAI主要包括两个部分。
第一部分是图像特征提取。研究者先将数字化病理切片中的组织区域切成256×256像素的patch；随后使用ResNet-50结合MoCo-v2自监督学习方法，训练图像特征提取模型。每个patch会被编码为128维图像特征，最后汇总为患者层面的128维图像向量。
第二部分是多模态融合。模型把患者级图像特征与临床变量拼接，再输入CatBoost分类器，输出某一长期结局的风险评分。
这里需要注意的是，早期版本使用的临床变量相对更多。除了年龄、基线PSA和临床T分期，也纳入了Gleason相关信息，包括总Gleason评分、primary Gleason和secondary Gleason。
换句话说，v1.1并不是完全脱离传统病理分级体系，而是在H&E图像特征之外，进一步融合了病理医生已经给出的Gleason分级信息。
最新这篇Annals of Oncology研究则使用的是MMAI v1.2。相比v1.1，v1.2最重要的变化有两个。
第一个变化，是训练数据更大、来源更多样。v1.2相关临床级算法开发和验证使用了8个随机对照临床试验，包括NRG/RTOG 9202、9408、9413、9910、0126、0415、0521和9902。可用于分析的病例数为7026例，其中5259例用于模型训练和选择，1767例用于验证。相比早期5个三期试验的基础，v1.2在队列覆盖范围上进一步扩大。
第二个变化，是v1.2不再把Gleason评分作为模型输入。临床变量被压缩为年龄、基线PSA和T分期三个变量。这样做的意义很大：它减少了模型对“病理医生主观分级结果”的依赖，让模型更直接地从H&E图像本身学习与疾病侵袭性和治疗获益相关的信息。
所以，v1.1和v1.2之间有清晰的延续性，也有明显差异。
延续性在于：两者都基于常规H&E病理切片和临床变量，都采用patch级图像特征提取，再进行患者层面的多模态融合；两者都不是依赖病理医生手工标注某个区域，而是利用随机三期临床试验中的长期结局作为学习目标。
差异在于：v1.2使用了更大的训练和验证队列，纳入更多三期临床试验；临床输入从“年龄、PSA、T分期加Gleason相关变量”简化为“年龄、PSA、T分期”；同时，模型不再把Gleason评分作为单独输入，减少了对传统病理分级的直接依赖。
从病理AI角度看，这个变化非常值得关注。MMAI的迭代方向不是简单追求更复杂的网络结构，而是围绕临床可用性做了几件更关键的事：扩大训练队列，减少对主观病理评分的依赖，锁定模型后在独立临床试验队列中验证，并进一步测试它是否能够预测真实治疗获益。
二、第一步：先证明H&E里有长期预后信息
MMAI最早受到关注，是因为2022年发表在npj Digital Medicine上的研究。
在前列腺癌中，传统风险分层主要依赖PSA、T分期、Gleason评分等变量。但这些变量的粒度有限。同样被归为高危的患者，真实的疾病进展风险可能差别很大。
MMAI首先要证明的是：常规H&E切片中确实存在额外的预后信息。AI不是简单重复Gleason评分，而是在更细的图像层面捕捉肿瘤侵袭性相关的隐含特征。
在那项研究中，MMAI在验证集中相较NCCN风险分层，在多个终点上都取得了更好的区分能力，相对性能提升约9.2%到14.6%。在仅使用治疗前组织的验证集中，MMAI同样优于NCCN，例如5年远处转移预测AUC为0.83，而NCCN为0.72；10年前列腺癌特异性生存预测AUC为0.77，而NCCN为0.67。
这个结果为后续所有研究打下基础：如果模型连预后都判断不准，就更难谈治疗选择。
三、第二步：从“预后预测”走向“治疗获益预测”
但预后预测和治疗获益预测，是两件不同的事情。
预后模型回答的是：这个患者未来风险高不高？
治疗获益预测模型回答的是：这个患者使用某种治疗以后，是否比不使用这种治疗获益更多？
这两者不能简单画等号。一个高风险患者不一定对某种治疗更敏感，一个低风险患者也不一定完全不获益。要真正证明治疗获益预测，最好要有随机临床试验数据。因为只有在随机分组的前提下，才更有机会比较同类患者接受或不接受某种治疗后的真实差异。
MMAI后续几项研究的优势，正是建立在这一点上。
在NEJM Evidence发表的研究中，MMAI被用于预测局限性前列腺癌患者是否能从短程ADT中获益。验证队列来自NRG/RTOG 9408，患者中位随访14.9年。结果显示，模型阳性患者从ADT中明显获益，远处转移风险显著下降；而模型阴性患者则没有看到明确治疗获益。
这一步把MMAI从“风险分层工具”推进到了“治疗选择工具”。
之后，在Journal of Clinical Oncology发表的研究中，MMAI又被用于判断高危前列腺癌患者是否需要长期ADT。模型基于多个NRG/RTOG三期试验训练，并在RTOG 9202中验证。结果提示，模型阳性患者可以从长期ADT中获益，而模型阴性患者未显示明确获益。这意味着，一部分高危患者可能可以避免额外两年的内分泌治疗，从而减少长期治疗带来的不良反应和生活质量损失。
到这里，MMAI的故事已经不再是“AI能不能预测复发”，而是变成了“AI能不能告诉医生，哪些患者需要强化治疗，哪些患者可能可以少治疗”。
四、第三步：进入STAMPEDE这样的超级临床试验平台
2025年，MMAI又在Lancet Digital Health中完成了一项重要外部验证：研究者把锁定版MMAI v1.1模型应用到STAMPEDE平台试验中的前列腺癌患者。
STAMPEDE是前列腺癌领域非常重要的多臂、多阶段平台试验，覆盖了多个治疗策略和大量患者。对于病理AI来说，这类数据资源极其珍贵。
原因很简单：它不只是有病理切片，也不只是有临床随访，而是同时具备标准化治疗、随机分组、长期终点和严格事件判定。这样的数据价值，远高于普通回顾性队列。
在STAMPEDE验证中，MMAI能够进一步区分非转移性极高危患者和转移性患者中的不同风险层级。也就是说，前列腺穿刺活检H&E切片中，不仅包含局限性前列腺癌的预后信息，也可能包含更晚期、更复杂疾病状态下的风险信息。
这也为最新这篇Annals of Oncology研究埋下了伏笔。
五、最新研究：MMAI能预测谁更应该使用阿比特龙吗？
最新这篇Annals of Oncology研究，问题非常直接：对于非转移性、临床极高危前列腺癌患者，阿比特龙可以改善结局，但并不是没有代价。它会增加毒性，也会带来治疗成本。那能不能用病理AI找出真正最可能获益的人？
研究设计：锁定版v1.2，直接放进STAMPEDE阿比特龙试验中验证
研究者使用锁定版MMAI v1.2模型，在STAMPEDE两个阿比特龙相关三期试验中进行分析。研究纳入1137例患者，其中583例接受长期ADT，554例接受长期ADT联合阿比特龙。
作者沿用此前定义好的最高四分位阈值，将268例患者划为MMAI 极高风险，其余869例划为MMAI 高风险。
在进入治疗获益预测之前，研究者先确认MMAI评分本身具有预后价值。结果显示，MMAI 极高风险相比高风险，在多个结局上均提示更差预后。
也就是说，MMAI首先仍然是一个稳定的预后模型。
主要结果：最高风险四分位患者，从阿比特龙中获益最明显
这篇文章真正重要的地方，是它进一步证明MMAI可能具有治疗获益预测能力。
在MMAI极高风险组，加用阿比特龙后的MFS获益非常明显，HR为0.47，95%CI为0.31–0.70；5年MFS从长期ADT组的62%提高到长期ADT联合阿比特龙组的81%。相比之下，在MMAI高风险组，加用阿比特龙后的获益有限，HR为0.83，95%CI为0.63–1.09；5年MFS仅从82%变化到84%。
更关键的是，治疗和MMAI风险分组之间存在显著交互作用，p=0.02。这说明MMAI并不只是把患者分成“预后好”和“预后差”，而是可能识别出“更可能从阿比特龙强化治疗中获益”的患者。
这个差异在其他终点上也有体现。作者在讨论中提到，在长期ADT标准治疗下，8年前列腺癌特异性死亡风险在MMAI 高风险组为13%，而在MMAI 极高风险组为36%；加用阿比特龙后，极高风险组这一风险降至12%，但高风险组没有明显改善。
关键对照：传统临床高危因素，没能解释这种差异
这篇文章还有一个很值得关注的结果：传统临床高危因素本身，并不能很好地区分阿比特龙获益。
作者比较了不同临床高危因素数量对阿比特龙获益的区分能力。结果显示，三项高危因素对比两项高危因素的治疗交互p值为0.37，淋巴结阳性对比两项高危因素的治疗交互p值为0.50，均没有显示出显著的差异化治疗获益。
也就是说，单靠Gleason评分、T分期、PSA、淋巴结状态这些传统变量，很难判断谁更应该接受阿比特龙强化治疗。
相反，在MMAI模型中，图像特征对预测阿比特龙获益的贡献最大。作者通过输入扰动分析发现，在模型对阿比特龙差异化获益的贡献中，图像特征占77.4%，而年龄、PSA和T分期分别只占约8.1%、7.5%和7.0%。
这个结果提示我们，H&E切片里可能存在一些与治疗敏感性相关的形态学信息，但这些信息并不一定能被传统病理报告完整表达出来。MMAI的价值，可能正是在这里：它不是替代传统临床病理变量，而是在这些变量之外，补充了来自图像的隐含生物学信息。
亚组分析：不是简单重复淋巴结状态
作者还进一步分析了淋巴结阴性和淋巴结阳性两个亚组。
在淋巴结阴性患者中，MMAI 极高风险组加用阿比特龙后获益明显，MFS的HR为0.45，5年MFS从67%提高到87%；而MMAI 高风险组没有看到明确获益，HR为0.83，两个治疗组5年MFS均约为87%。
在淋巴结阳性患者中，趋势也类似。MMAI极高风险组加用阿比特龙后，MFS的HR为0.48，5年MFS从57%提高到74%；而MMAI 高风险组HR为0.80，5年MFS从71%提高到78%，获益幅度相对有限。
这说明MMAI提供的信息并不只是“淋巴结状态”的另一种表达。即便在淋巴结阴性或阳性内部，它仍然能够进一步识别可能获益更多的患者。
六、MMAI发展之路给我们的启发
我觉得这篇研究最大的启发，不是MMAI的网络结构有多复杂。
从今天的病理AI技术视角看，它的模型架构十分朴素。它不是最新的视觉语言大模型，也不是几十亿参数的病理基础模型。它的核心路线非常清楚：H&E切片图像特征，加上临床变量，再和长期结局或治疗获益做关联。
但它厉害的地方在于数据。更准确地说，是队列。
MMAI这一系列研究几乎一直围绕大型三期随机临床试验展开。这类数据有几个普通回顾性队列很难同时具备的优势：治疗方案清楚，随机分组减少混杂，终点定义严格，随访时间足够长，而且患者来源多中心。
这对于治疗获益预测尤其关键。
如果只是普通回顾性数据，我们很难判断一个患者结局好，是因为他本身风险低，还是因为治疗真的有效。只有在随机试验中，才更有机会回答“这个治疗到底对哪一类患者真正有用”。
这也是MMAI给病理AI领域最重要的提示：未来真正有临床影响力的病理AI，不一定是模型参数最大、方法最复杂的那个，而可能是最早拿到高质量临床试验队列，并围绕明确临床决策问题反复验证的那个。
过去几年，病理AI领域非常关注基础模型、弱监督学习、多模态融合、视觉语言模型。这些方向当然重要。但MMAI的案例提醒我们，模型只是故事的一半。
另一半是：有没有足够好的临床问题？有没有真正能回答这个问题的数据？有没有随机试验、有长期随访、有治疗分组、有真实临床终点？
对于诊断任务，模型可能只需要和病理医生标签对齐。但对于预后预测和治疗决策，标签不再是病理医生画出来的区域，而是患者多年后的转移、死亡、复发，以及是否因为某种治疗而改变命运。
这类问题，天然需要更长周期、更高质量、更昂贵的数据。
当然，最新这篇研究也不能被过度解读。它仍然是一项基于前瞻性随机临床试验数据的事后分析，而不是一个真正由MMAI指导治疗分层的前瞻性临床试验。作者也明确提到，未来仍需要开展生物标志物驱动的治疗强化或减量临床试验，来进一步确认MMAI在治疗决策中的价值。
但即便如此，MMAI已经展示了一条非常值得病理AI领域参考的路径：从常规H&E切片出发，不止做诊断，而是进入治疗选择；不只追求模型新颖，而是绑定随机临床试验证据；不只证明“AI能预测风险”，而是进一步证明“AI可能帮助医生决定谁该多治疗，谁可以少治疗”。
这也许才是病理AI真正走向临床价值的关键一步。
未来病理AI的竞争，可能会越来越像一场“队列竞争”。谁能更早围绕真实临床决策问题，建立高质量、多中心、长期随访、治疗信息完整的队列，谁就更有机会把模型从论文推向临床。
MMAI的前世今生，给出的正是这样一个答案：病理AI真正的壁垒，不只在算法，也在数据；不只在切片，也在临床试验。
· 往期推荐