當(dāng)人工智能開始“看”癌癥病理切片時，它看到的遠(yuǎn)不止腫瘤細(xì)胞——它竟從一張張看似普通的組織玻片中，預(yù)測出患者未來數(shù)年內(nèi)的死亡風(fēng)險、治療反應(yīng)，甚至揭示出人類病理學(xué)家從未注意到的隱藏模式。這項由哈佛醫(yī)學(xué)院與谷歌健康團(tuán)隊合作的研究，不僅讓科學(xué)家“震驚”，更可能徹底改變癌癥診斷與預(yù)后評估的方式。

研究團(tuán)隊訓(xùn)練了一種深度學(xué)習(xí)模型，輸入數(shù)據(jù)來自超過1.5萬例已確診癌癥患者的數(shù)字化病理切片（涵蓋乳腺癌、肺癌、結(jié)腸癌等），每張切片都關(guān)聯(lián)著詳細(xì)的臨床隨訪記錄，包括患者是否復(fù)發(fā)、對化療是否響應(yīng)、以及五年生存率。AI的任務(wù)很簡單：僅憑一張靜態(tài)的組織圖像，預(yù)測這些未來事件。

結(jié)果令人難以置信。在乳腺癌病例中，AI不僅能準(zhǔn)確識別腫瘤分級和分子亞型（如HER2陽性或三陰性），還能發(fā)現(xiàn)腫瘤微環(huán)境中極其細(xì)微的結(jié)構(gòu)特征——比如免疫細(xì)胞的空間分布、血管密度的局部變化、甚至基質(zhì)纖維的排列方向——這些細(xì)節(jié)肉眼幾乎無法分辨，卻與患者預(yù)后高度相關(guān)。更驚人的是，AI在部分“病理報告判定為低風(fēng)險”的患者中，仍識別出高風(fēng)險信號，而后續(xù)隨訪證實，這些患者確實在兩年內(nèi)出現(xiàn)轉(zhuǎn)移。

“我們以為AI只是輔助工具，但它實際上在教我們?nèi)绾巍匦驴础┌Y，”哈佛病理學(xué)教授安德魯·貝克博士坦言，“有些模式，連經(jīng)驗最豐富的病理學(xué)家看了也說‘我以前從沒注意過這個’?！?/p>

研究中最震撼的發(fā)現(xiàn)來自“黑箱可視化”技術(shù)。通過反向映射，研究人員能看清AI關(guān)注切片中的哪些區(qū)域做出判斷。結(jié)果顯示，AI不僅盯著癌細(xì)胞本身，還大量分析腫瘤邊緣的“過渡帶”——那里是癌細(xì)胞與正常組織交界處，也是免疫系統(tǒng)與腫瘤博弈的前線。某些特定的炎癥細(xì)胞聚集模式，被AI識別為“免疫系統(tǒng)正在有效控制腫瘤”的標(biāo)志，預(yù)示良好預(yù)后；而另一些看似平靜的區(qū)域，卻被標(biāo)記為“沉默的侵襲前兆”。

目前，該模型已在獨立數(shù)據(jù)集上驗證，其預(yù)測五年生存率的準(zhǔn)確度比傳統(tǒng)臨床指標(biāo)高出18%。更重要的是，它完全基于常規(guī)H&E染色切片——這是全球醫(yī)院最基礎(chǔ)、最普及的病理檢查手段，無需額外基因測序或昂貴檢測。

當(dāng)然，研究者強調(diào)，AI不會取代病理學(xué)家，而是成為“超級顯微鏡”般的決策伙伴。下一步，團(tuán)隊計劃將該系統(tǒng)整合進(jìn)臨床工作流，在真實診療中測試其價值。如果成功，未來醫(yī)生只需上傳一張病理圖，就能獲得一份包含風(fēng)險分層、潛在靶點和治療建議的AI輔助報告。

正如一位參與研究的腫瘤學(xué)家所說：“我們一直以為癌癥的秘密藏在基因里，但現(xiàn)在發(fā)現(xiàn)，答案也可能就寫在那張小小的玻璃片上——只是我們的眼睛，還沒學(xué)會讀懂它?！?/p>

參考資料：DOI：10.1016/j.xcrm.2025.102527