Ann Oncol：人工智能进入肿瘤病理学的现状，挑战和展望
研究概述
在人工智能的帮助下，肿瘤病理正在进入 AI 在数字病理学应用领域，技术推动了癌症的诊断、分子分类和预后评估取得了长足的进步。本文对欧洲医学肿瘤学会进行了系统综述。（ESMO）根据系统评价的方法，精确肿瘤学工作组与国际专家联合收集整合肿瘤病理学和肿瘤学领域，并应用于肿瘤学领域。 AI 在肿瘤诊断、分子生物标志物检测和愈后预测研究中，算法详细盘点了当前的应用现状和未来的发展趋势。
选择题目背景和现状
人工智能作为计算机科学的一个分支，模拟人类的智能行为。近年来，由于算法创新、计算能力提高和数据积累，在医疗领域，尤其是病理领域表现出巨大的潜力。肿瘤病理依赖于大量病理切片的视觉解读，存在主观误差和无效劳动，AI 深入学习（DL）、卷积神经网络（CNN）其他技术，可自动识别病变区域，对肿瘤分级及分子标志物进行评估，实现标准化、自动诊断。尽管这个阶段是基于的 AI 生物标志尚未得到最高临床证据的支持，但是 AI 它已经成为帮助肿瘤准确诊断和治疗的重要工具，并带动多组学数据融合，促进个体化医疗。
AI 应用于肿瘤病理学中的流程图
主要研究结果
1. AI 应用于肿瘤检测和分类
病理学家在日常工作中大量依赖于整个图像（WSI）中 H&E 分析和解读染色组织。AI 肿瘤区域的准确检测和分类可以通过大规模注解数据进行训练，帮助病理诊断，提高效率和一致性。共收录文献 68 该研究包括乳腺、卵巢、胃肠道、前列腺、肺癌等多种肿瘤类型。特别是乳癌、前列腺癌和肺癌的研究最多，因为它们的样本量足够有利于模型训练。
1）典型代表 CAMELYON16 竞赛中，AI 对乳腺癌淋巴结转移进行算法检测的性能已经达到专业病理学家的水平（AUC 接近最佳病理学家)，并且远远超过病理学家在时间限制情况下的表现。
2)多项研究表明，AI 前列腺癌可以自动分级 Gleason 得分，达到或超过病理学家一致性水平。（Kappa 达 0.9 以上）。
3）" PC-CHiP "等 CNN 模型完成了 28 精确分类肿瘤及正常组织类型(一般) AUC 0.98)，并且发现 WSI 其中的形态特征与多种基因组变化(如全基因组复制、复制数变异)密切相关。
2. AI 检测和发现分子标志物
AI 模型针对传统生物标志物(如乳癌) Ki-67、ER、HER2)获得更高的检验准确性（AUC 多数超出 0.8)，显示其协助或替代常规免疫组化的潜力。
1）AI 肿瘤浸润淋巴细胞可量化肿瘤微环境（TILs）以及 PD-L1 表现，指导免疫疗法决策， AUC 范围 0.67-0.81。
2）AI 检测微卫星不稳定性（MSI）和错配修复缺陷（dMMR）表现出色，部分研究 AUC 达 0.9 以上。
包括应用在内的进一步发展 AI 预测肿瘤基因变异(例如 TP53、BRAF、KRAS 等等)或者基因表达谱，提醒肿瘤组织形态与遗传变异的存在可以识别相关性，尽管不同肿瘤类型之间的表现差异很大。
3. AI 预测肿瘤愈后与治疗反应？
92 本文对癌症病人的预后预测进行了研究，AI 该工具已经在乳癌、前列腺癌、结直肠癌、黑色素瘤等多种主要肿瘤类型中展开，部分达到较高的愈后区分。
1）比如 MesoNet 手术后对胸膜间皮瘤患者的生存预测优于传统病理特征。
2）Skrede 等使用 DL 模型预测初期结直肠癌患者特异性死亡风险，差异明显（HR 3.04）。
3）AI 结合临床和多组学特点，整合模型优于单个数据库，显示出改善治疗反应和生存预测的潜力。然而，大多数研究基于回顾数据，缺乏前瞻性验证，临床治疗仍需谨慎。
4. AI 临床推广面临的难题
虽然 AI 技术发展迅速，推广到日常诊断和治疗仍然面临多重障碍：
文化和观念阻力：一些医务人员担心被取代，或者缺乏对“黑盒”算法的信任。
预处理变量不统一：由于组织固定方法、染色技术、扫描仪器的差异，数据一致性受到限制。
数据和计算能力需求大：训练高性能模型需要大量的数据和强大的计算能力，特别是预测性标识样品稀缺。
证据等级不足：目前没有证据等级 AI 获得最高等级的生物标志物 IA/IB 缺乏大规模临床试验支持的临床验证。
法律法规和费用问题：医疗器械监管、数据隐私保护和数字病理硬件投资都是推广的瓶颈。
5. 目前获准 AI 应用示例
部分 AI 工具已获 FDA 与欧盟同意，但临床普及有限：
1）Paige Prostate Detect 获 FDA 允许帮助诊断前列腺癌，显著降低假阴性率。
2）欧盟 CE 认证 Owkin Dx Risku001Rlaps BC 和 0011MSIntuitu CRC 各自协助乳癌愈后评价及结直肠癌 MSI 筛选。这类工具仍处于试点和初期推广阶段，其实际临床价值需要进一步验证。
AI 肿瘤检测、标识物评估及愈后分析的系统数量分布
研究价值和意义
这个综述系统已经整理好了 AI 从诊断、分子标志物评定到愈后预测，在肿瘤病理学中的许多关键应用显示出来。 AI 促进肿瘤学精确发展的强大潜力。现阶段 AI 该技术可以部分替代或辅助传统病理操作，减少人为偏差，提高诊断效率和标准化水平。为实现更加精确的病人分层和个性化治疗方案，多组学数据的深度融合和新兴基础模型的兴起提供了科技支持。
但是，本领域的临床证据和技术标准并不完善，实际推广仍然面临着文化、技术、法规的多重挑战。未来的关键是扩大高质量的多中心数据，进行前瞻性的临床验证，促进多模态数据的结合，开发可解释的通用模型，加快 AI 走向临床路径的工具。伴随着硬件成本的降低，法律法规的完善，AI 有望成为肿瘤诊断和治疗的新形势，显著改善病人的预后，推动精确医学进入新时代。
点评梅斯小编
这项研究从系统的角度全面揭示 AI 怎样赋能肿瘤病理诊断和精确治疗，强调 AI 技术跨越式发展和实际应用中的痛点和机遇。尤其是基本模型与多模态融合的方法创新，为未来的研究提供了方向。期待未来技术进步与跨界融合能够解决样本短缺、模型“黑盒”、瓶颈，如临床验证不足，真正实现 AI 普遍落地于癌症全过程管理中。建议相关行业的医生和研究人员关注这一领域的动态，结合临床需求深入参与 AI 开发和验证模型，给病人带来实实在在的好处。
看着这儿，占用你一分钟，做个小问卷。～
参考资料：
[ 1 ] Marra A, Morganti S, Pareja F, et al. Artificial intelligence entering the pathology arena in oncology: current applications and future perspectives. Ann Oncol. 2025 Jul;36 ( 7 ) :712-725. https://doi.org/10.1016/j.annonc.2025.03.006
发文 | 梅斯医学
编辑 | 木白
●
●
●
点击下方「阅读原文」立即下载梅斯医学 APP！
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com