夜雨聆风> 期刊：npj Digital Medicine（《npj 数字医学》，IF≈15） | 发表时间：2026年5月22日 | PMID：42174106 | DOI：10.1038/s41746-026-02592-8
>
> 核心发现：英国牛津大学 Clare Verrill 团队在英格兰三家 NHS 专科中心开展的前瞻性、多中心研究（Articulate Pro）证实，商用 AI 系统 Paige Prostate 辅助前列腺穿刺活检病理报告，可改变 5.4% 病例的最终诊断或分级分组（其中 1.3% 可能影响临床管理），在数字化成熟中心将平均报告周转时间缩短 30.1 小时，并使三中心的免疫组化检测需求下降约五到七成。
一、研究背景
前列腺癌是全球男性最常见的恶性肿瘤之一。确诊它的"金标准"，是经直肠超声引导下的前列腺穿刺活检——医生取十几条细针组织，送到病理科做成切片，由病理医生在显微镜下逐条判读。这份病理报告，直接决定了患者是"继续观察"还是"立刻手术"，是一份关系生死的文书。
但问题在于，前列腺活检的报告质量参差不齐。一份合格的报告，需要写清楚有没有癌、Gleason 评分多少、肿瘤占百分之几、肿瘤长度多长、有没有神经周围侵犯（PNI）、有没有"非典型小腺泡增生"（ASAP）……信息量极大。现实是，即便是经验丰富的病理医生之间，报告关键参数的完整性和一致性也存在明显差异，漏报、错报并不罕见。这种不一致，轻则让患者多挨一次不必要检查，重则直接影响治疗决策。
与此同时，AI 病理已经走过了"实验室很惊艳"的阶段。多款 AI 系统拿到了 FDA、CE 等监管认证，回顾性研究也反复证明了它们"单机测得很准"。可真正的问题从来不是"算法行不行"，而是"放进真实科室里，它到底能不能帮上忙、会不会添乱"。这方面的前瞻性证据，全球都极度稀缺。
正是为了补上这一环，牛津大学团队牵头开展了 Articulate Pro 研究——它被认为是全球首批在真实 NHS 病理工作流中、实时评估 AI 辅助前列腺活检报告的前瞻性多中心研究。
二、研究创新点
这项工作的价值，不在于造了一个更花哨的算法，而在于它回答了那个最难的落地问题。
第一，用"真实场景"取代"回顾性测试"。 以往绝大多数 AI 病理研究是拿历史切片"事后诸葛亮"式地跑一遍；Articulate Pro 却把 AI 直接塞进三家 NHS 医院的日常报告流程里，让它在 1613 例真实病例中与病理医生并肩工作，评估的是"临床用了之后会怎样"，而不是"理想条件下测得有多准"。
第二，前瞻性、多中心、商用系统。 研究跨越英格兰三家专科中心，使用的不是实验室自研玩具模型，而是已经拿到 FDA、UKCA、CE 认证的商用系统 Paige Prostate，且三家中心用的是完全相同的系统版本、不做任何本地调优，结论的可推广性更强。
第三，同时盯住"诊断、临床、工作流"三个维度。 不只问"AI 改没改诊断"，还问"改了之后会不会影响治疗方案"、"会不会让实验室跑得更快、更省钱"。这种多维度的评估框架，正是临床落地决策最需要的证据类型。
三、技术原理
研究使用的 Paige Prostate（简称 PaPr）系统，是一套专门面向前列腺穿刺活检全切片图像（WSI）的商用 AI 平台，核心由两个模块组成。
PaPr Detect（检测模块） 负责"找癌"：它扫描整张全切片图像，判断其中是否存在前列腺癌，并在可疑区域做标记。该模块已获得 FDA、UKCA 和 CE-IVD 认证。
PaPr Grade and Quantify（分级与量化模块） 负责"算数"：在检测到癌之后，自动计算肿瘤占比、肿瘤长度和 Gleason 百分比，并能通过"幽灵化"良性区域来突出可疑组织，叠加 Gleason 模式的标注供病理医生复核。
病理医生通过网页查看器，把原始 H&E 切片和 AI 的分析结果放在一起看，形成"人机协作"的阅片方式。研究中还设计了两种协作模式：一种是"分阶段第二阅读"（AI 作为第二意见，提示病理医生回去复核），另一种是"同步阅读"（AI 结果直接融入报告流程）。前者用于评估 AI 能否纠正遗漏，后者用于评估 AI 能否提速增效。
四、实验结果
研究共纳入 1613 例前列腺穿刺活检病例，其中 1049 例在 AI 辅助下完成报告，涉及约 1.4 万张 H&E 切片，11 名病理医生参与，研究周期约 24 个月。
诊断影响：AI 纠正了 5.4% 的病例。 在分阶段第二阅读模式下，386 例中有 21 例（5.4%）因 AI 提示而改变了最初的诊断或分级分组（Grade Group）。其中 5 例（1.3%）被判定为"可能影响临床管理"——比如原本被判为良性、实则应是 GG1 腺癌，从而进入主动监测；这些改变可能影响患者是否接受主动监测、根治性治疗或 PSA 监测的决策。绝大多数修正是分级分组的调整，AI 还额外识别出 1 例此前未被发现的腺癌和 1 例非典型小腺泡增生（ASAP）。
工作流影响：报告快了 30 小时。 在数字化成熟度最高的中心，采用 AI 同步阅读后，平均报告周转时间（TAT）比无辅助阅读显著缩短了 30.1 小时（p<0.0001），相当于患者能提前约一天多拿到结果。另外两个中心中，一个缩短了 28.9 小时（未达统计学显著），另一个未见显著变化，提示 AI 的提速效果与各中心的数字化基础密切相关。
资源影响：免疫组化少了五到七成。 三个中心的免疫组化（IHC）检测需求均显著下降，调整后比值比（OR）分别为 0.50、0.43、0.33，即检测需求减少了约 50% 到 67%。这意味着实验室能少做大量额外染色，省时又省钱。
没有系统性分级漂移。 研究还专门验证了：引入 AI 前后，各中心的诊断分类和分级分组分布没有出现统计学上的显著偏移，说明 AI 辅助并没有带来"过度诊断"或"分级膨胀"的风险。此外，在人因反馈评估中，全部 8 名受访病理医生均表示对使用 AI 有信心、愿意在未来临床中继续使用。
五、技术优势
相比传统的"人肉阅片"，AI 辅助前列腺活检报告的落地优势体现在三个方面。
少漏、更一致。 AI 像一位不知疲倦的"第二双眼睛"，专盯那些容易被疲劳和主观经验忽略的细微病灶，把报告从"看运气"推向"有兜底"。研究中 AI 还揪出了此前被漏掉的腺癌，正是这一价值的直接体现。
快、更省。 30 小时的周转缩短、五到七成的免疫组化减少，落到医院就是实打实的效率和成本——患者早一天安心，实验室少一分超负荷运转。
标准化、可推广。 商用系统加三家中心同版本部署的设计，意味着这套经验不是"某个实验室的定制玩具"，而是可以被其他医院、其他国家复用的标准化方案。这为 AI 病理从"示范项目"走向"规模部署"提供了可参照的样板。
六、应用前景
这项研究为 AI 病理的规模化落地打开了想象空间。
在英国 NHS 层面，研究团队估算，若在全国范围内推广，每年可使数千名患者获得更优化的诊断报告，并累计节省可观的等待时间——这对于常年被"排队长、人手紧"困扰的公立医疗体系而言，价值不言而喻。
在前列腺癌诊疗层面，AI 的"兜底"作用有望让主动监测、根治性治疗等关键决策建立在更可靠的病理分级之上，减少因漏诊或分级偏差导致的误判。
在更广泛的病理领域，Articulate Pro 提供的"真实世界前瞻评估框架"本身就是可复制的模板——同样的方法可以平移到乳腺、肺、结直肠等其它癌种的病理 AI 评估，为整个数字病理行业的临床采纳提供证据范式。
七、研究局限性与未来方向
需要理性看待的是，这项研究仍有几处局限。
其一，未评估下游患者结局与成本效益。 研究聚焦于"AI 有没有改变诊断、有没有提速增效"，但尚未追踪这些改变最终对患者生存、治疗结局的影响，也缺少正式的卫生经济学分析（作者表示将在后续论文中补充）。
其二，各中心数字化基础差异较大。 提速效果只在数字化成熟度最高的中心达到显著，其余中心收效有限，说明"AI 能发挥多大作用"高度依赖医院的信息化与病理数字化水平。
其三，真实报告的限制带来方法学取舍。 由于是实时临床报告，研究未采用共识参考诊断作为"金标准"，无法完全排除原有诊断本身存在误差的可能。
其四，商用系统的潜在偏倚。 所用 AI 为商业产品，尽管数据分析由学术团队独立完成，仍可能存在一定利益关联，需保持审慎。
未来方向，一是追踪长期患者结局与成本效益，二是扩大中心规模、覆盖更多癌种与人群，三是建立 AI 部署后的持续监测与审计机制，确保"落地"不等于"撒手不管"。
八、结论
Articulate Pro 的意义，在于它把 AI 病理从"实验室里的高分数"推进到了"科室里的真价值"。在前瞻性、多中心、真实世界的框架下，AI 辅助前列腺活检报告被证明能够纠正 5.4% 病例的诊断、缩短 30 小时周转时间、减少五到七成的免疫组化需求，且没有引发系统性分级偏移。
对于任何一个还在观望"AI 病理到底该不该上"的医疗体系，这份研究都提供了一个难得的、可参照的证据样板。当然，从"证实可行"到"广泛普及"，还隔着长期结局、成本效益与基础设施这三道坎。但方向已经清晰：AI 正在从前列腺病理的阅片台出发，走向更广阔的临床一线。
参考文献
1. Browning L, Colling RT, Oxley J, et al. An evaluation of artificial intelligence assisted prostate biopsy reporting in the Articulate Pro study. npj Digit Med. 2026;9(1):537. doi:10.1038/s41746-026-02592-8. PMID: 42174106.