准确检测淋巴结转移对于各类 肿 瘤的精准分期和辅助治疗方案制定至关重要。然而，传统的显微镜病理检查耗时耗力，病理医生在繁重的工作负荷下，易漏诊直径小于2毫米的微小转移灶。这种漏诊会低估患者真实的肿瘤分期，进而延误治疗并严重影响临床预后。 因 此，迫切需要开发具备跨癌种泛化能力、能高效辅助检测 肿瘤 微小 淋巴 转移的人工智能诊断工具。
近日 ，林天歆-吴少旭教授团队等在国际期刊 The Lancet Digital Health 上发表了题为Artificial intelligence-based pathological model for pan-cancer lymph node metastasis detection: amulticentrediagnostic study with retrospective and prospective validation的最新研究成果 。
本研究旨在开发一种泛癌种通用的淋巴结转移病理人工智能诊断模型PanCAM（ pan-cancer artificial intelligence diagnostic model ） 。 该 研究纳入了中国17家医院接受 肿瘤 根治术 和淋巴结清扫 术 的9256名患者。数据集包含33种 肿瘤 （9种常见 肿瘤 和24种罕见 肿瘤 ） 的 69502张全切片 数字病理扫描 图像（WSIs）， 共计 153985个淋巴结 。 Pan CAM 采用了 DeepLabv3+分割框架和RegNet-Y40编码器，并 使用 监督学习 （ 像素级细标签 ） 和增量学习 （模型自生成软标签- 专家审核校正 ） 策略 进行模型 迭代 学习 。
结果显示，在16家医院的回顾性验证中， PanCAM 检测淋巴结转移的敏感性 达 0.97 - 1.00，在外部CAMELYON16数据集上的敏感性为0.96。在9家医院的前瞻性验证中， PanCAM 的敏感性 达0 .93 - 1.00 ，均优于常规病理报告 。尽管仅使用 九大 高发 肿瘤 图像进行训练， PanCAM 对 罕见 肿瘤 的 诊断 敏感性 在回顾性和前瞻性队列中 均 达到0.98 以上 。
值得注意的是 ， PanCAM 在回顾性验证中额外识别出120名被病理 报告 遗漏的淋巴结转移患者，在前瞻性验证中额外识别出21例。
此外，该研究将 PanCAM 与 多种 特定 肿瘤 模型（如膀胱癌特定模型）进行了对比分析。在膀胱癌数据集中， PanCAM 的敏感性为0.99， 特异性 为0.98 ， 阳性预测值0.81 ； 对比之下，膀胱癌特定模型（ BCa model）的敏感性为0.98， 特异性 为0.94 ，阳性 预测值0.62 。
本 研究 开发的 P anCAM 为 各类 肿瘤 的 淋巴结转移 病理 检测提供了 新的 解决方案 ， 该模型可辅助病理医生 快速精准地 诊 断淋巴结转移，以提高诊断准确性并 辅助 治疗决策的制定。
林天歆教授为本研究的通讯作者，吴少旭教授、洪桂斌博士、王赟博士、曾弘教授、林真教授、 杨洁教授、 陈 健 宁教授、 陈红涛 教授 为 共 同第一作者。
原文链接：https://doi.org/10.1016/j.landig.2025.100961
制版人：十一
BioArt
Med
Plants
人才招聘
学术合作组织
（*排名不分先后）
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
热门跟贴