当人工智能开始“看”癌症病理切片时，它看到的远不止肿瘤细胞——它竟从一张张看似普通的组织玻片中，预测出患者未来数年内的死亡风险、治疗反应，甚至揭示出人类病理学家从未注意到的隐藏模式。这项由哈佛医学院与谷歌健康团队合作的研究，不仅让科学家“震惊”，更可能彻底改变癌症诊断与预后评估的方式。
研究团队训练了一种深度学习模型，输入数据来自超过1.5万例已确诊癌症患者的数字化病理切片（涵盖乳腺癌、肺癌、结肠癌等），每张切片都关联着详细的临床随访记录，包括患者是否复发、对化疗是否响应、以及五年生存率。AI的任务很简单：仅凭一张静态的组织图像，预测这些未来事件。
结果令人难以置信。在乳腺癌病例中，AI不仅能准确识别肿瘤分级和分子亚型（如HER2阳性或三阴性），还能发现肿瘤微环境中极其细微的结构特征——比如免疫细胞的空间分布、血管密度的局部变化、甚至基质纤维的排列方向——这些细节肉眼几乎无法分辨，却与患者预后高度相关。更惊人的是，AI在部分“病理报告判定为低风险”的患者中，仍识别出高风险信号，而后续随访证实，这些患者确实在两年内出现转移。
“我们以为AI只是辅助工具，但它实际上在教我们如何‘重新看’癌症，”哈佛病理学教授安德鲁·贝克博士坦言，“有些模式，连经验最丰富的病理学家看了也说‘我以前从没注意过这个’。”
研究中最震撼的发现来自“黑箱可视化”技术。通过反向映射，研究人员能看清AI关注切片中的哪些区域做出判断。结果显示，AI不仅盯着癌细胞本身，还大量分析肿瘤边缘的“过渡带”——那里是癌细胞与正常组织交界处，也是免疫系统与肿瘤博弈的前线。某些特定的炎症细胞聚集模式，被AI识别为“免疫系统正在有效控制肿瘤”的标志，预示良好预后；而另一些看似平静的区域，却被标记为“沉默的侵袭前兆”。
目前，该模型已在独立数据集上验证，其预测五年生存率的准确度比传统临床指标高出18%。更重要的是，它完全基于常规H&E染色切片——这是全球医院最基础、最普及的病理检查手段，无需额外基因测序或昂贵检测。
当然，研究者强调，AI不会取代病理学家，而是成为“超级显微镜”般的决策伙伴。下一步，团队计划将该系统整合进临床工作流，在真实诊疗中测试其价值。如果成功，未来医生只需上传一张病理图，就能获得一份包含风险分层、潜在靶点和治疗建议的AI辅助报告。
正如一位参与研究的肿瘤学家所说：“我们一直以为癌症的秘密藏在基因里，但现在发现，答案也可能就写在那张小小的玻璃片上——只是我们的眼睛，还没学会读懂它。”
参考资料：DOI：10.1016/j.xcrm.2025.102527
热门跟贴