AI模型分析常规H&E切片即可预测瘤种及生存

澳大利亚塔斯马尼亚大学Chaurasia等报告，人工智能（AI）模型分析常规H&E染色切片的全片图像后，能同时预测出32种实体瘤的癌症亚型、TP53突变状态和患者生存结局。（Am J Pathol. 2026, 9: 1946.）

研究人员开发了基于Vision Transformer的多实例学习模型，用于识别TP53生物标志物的存在，检测32种实体肿瘤类型，并基于全切片图像来预测生存率。他们首先从泛癌图库中收集了
11 000条原发肿瘤数据，用作模型训练数据，其中包括体细胞突变、RNA测序和临床结局数据；然后使用Vision Transformer编码器，对全切片图像进行组织来源掩码、质量控制、染色归一化、路径提取和特征嵌入的流程操作。结果验证性评估在一个包含1729张切片的独立验证集中进行。

结果显示，在32个癌种的独立验证集上，该模型检测TP53突变状态的受试者工作特征曲线下面积（AUC）达到0.766。

在肿瘤分类方面，内部验证时微调模型的总准确率为0.659，因此认为其对不同癌种均具有强大的适用性。除卵巢癌外，大多数癌种的AUC均超过0.88，而卵巢癌的为0.782。在生存预测方面，模型能够清晰区分高风险组和低风险组，且差异显著。

研究者认为，这种方法有助于识别出可能自确认性分子检测获益的患者，可供基因组检测受限时的分诊，并能为临床医生提供额外的决策支持。重要的是，这种方法应被视为分子检测的补充，而非替代。其最强的潜在影响见于更广泛诊断路径中的筛查、优先排序或决策支持工具。

（编译 韩小东）