Nature Medicine：中山大学蔡木炎团队等开发术中AI病理模型——CRISP，支持外科决策|中山大学|医生|外科|手术|病理模型|病理科|肿瘤|蔡木炎

Nature Medicine：中山大学蔡木炎团队等开发术中AI病理模型——CRISP，支持外科决策

生物世界

2026-09-14 12:37 ·上海 ·优质科技领域创作者

撰文丨王聪

编辑丨王多鱼

排版丨水成文

在手术室里，最让人揪心的可能并不是开刀本身，而是接下来的几十分钟：切下来的组织送病理科，医生需要在极短时间内回答——肿瘤是良性还是恶性？要不要扩大切除范围？淋巴结是否有转移？切缘干不干净？

术中冰冻切片检查是在手术进行中，将切除的病变组织立即通过低温快速冷冻、切片、染色后，病理医生在显微镜下快速判断病变性质的技术，整个过程通常只需 30 分钟以内。这种术中病理对于精准手术而言至关重要，但其临床应用受到诊断复杂性以及高质量冰冻切片数据有限的制约。

近年来，基于人工智能的病理基础模型已取得显著进展，但这些模型通常基于 FFPE（福尔马林固定石蜡包埋）切片进行的训练，FFPE 清晰、稳定，适合最终诊断，但其制备需要一天时间甚至更久，在手术过程的常规应用仍受到阻碍。

2026 年 9 月 10 日，中山大学肿瘤防治中心蔡木炎团队联合香港科技大学陈浩团队，在Nature Medicine期刊发表了题为：A clinically-oriented foundation model for intraoperative pathology 的研究论文。

该研究开发了一种临床导向型术中病理基础模型——CRISP（Clinically-oriented Robust Intraoperative Support for Pathology），用于支持外科决策，并促进计算方法在临床实践中的转化应用。

在这项研究中，研究团队推出了CRISP，这是一种基于来自 10 家医疗机构的超过 10 万份冰冻切片数据开发的临床导向型基础模型，旨在为病理科提供临床导向的稳健术中支持（Clinically-oriented Robust Intraoperative Support for Pathology，CRISP）。

CRISP在近 100 项回顾性诊断任务中，对超过 1.5 万个术中切片进行了全面评估，涵盖良恶性鉴别、关键术中决策以及泛癌检测等场景。该模型在 6 家医疗机构、14 种肿瘤类型和 24 个解剖部位（包括此前未见的部位和罕见癌症）上均表现出强大的泛化能力。

更重要的是，在一项包含 3000 多名患者的前瞻性队列研究中，CRISP 在真实临床环境中保持了高诊断准确率，在 92.6% 的病例中直接为外科手术决策提供了依据。人类医生与 CRISP 模型的人机协作，进一步将诊断工作量减少了 35%，避免了 105 项辅助检查，并以 87.5% 的准确率提升了微转移灶的检出能力。