連發(fā)Nature、Cancer Cell：上海交大團(tuán)隊(duì)利用AI增強(qiáng)罕見病及癌癥診斷

編輯丨王多魚

排版丨水成文

2026 年 2 月 18 日，上海交通大學(xué)人工智能學(xué)院/上海人工智能實(shí)驗(yàn)室謝偉迪，上海交通大學(xué)醫(yī)學(xué)院附屬新華醫(yī)院孫錕、余永國，上海交通大學(xué)人工智能學(xué)院/上海人工智能實(shí)驗(yàn)室張婭作為共同通訊作者，在Nature上發(fā)表研究論文【1】，開發(fā)了，首次在罕見病診斷的準(zhǔn)確性上，超越了擁有十年以上經(jīng)驗(yàn)的臨床專家。這項(xiàng)研究不僅推進(jìn)了罕見病診斷的發(fā)展，為全球三億罕見病患者帶來了實(shí)實(shí)在在的希望，更是 AI 在醫(yī)療領(lǐng)域的一個(gè)里程碑，展示了大語言模型驅(qū)動的 AI 智能體系統(tǒng)如何重塑當(dāng)前的臨床工作流程。

一天后的 2 月 19 日，謝偉迪、王延峰、孫錕、張婭作為共同通訊作者，在Cancer Cell期刊發(fā)表了題為：Knowledge-enhanced pretraining for vision-language pathology foundation model on cancer diagnosis 的研究論文【2】。

該研究開發(fā)了一種知識增強(qiáng)型視覺語言病理基礎(chǔ)模型——KEEP，用于癌癥診斷，其表現(xiàn)優(yōu)于現(xiàn)有的基礎(chǔ)模型，尤其是在罕見癌癥亞型上。這項(xiàng)研究確立了知識增強(qiáng)型視覺語言建模作為推進(jìn)計(jì)算病理學(xué)的強(qiáng)大范式。

病理學(xué)診斷在臨床癌癥診斷應(yīng)用中仍是金標(biāo)準(zhǔn)。過去十年間，計(jì)算機(jī)視覺領(lǐng)域深度學(xué)習(xí)技術(shù)的進(jìn)步極大地推動了計(jì)算病理學(xué)的發(fā)展，催生了基于全監(jiān)督或弱監(jiān)督的專門模型。盡管這些方法前景可觀，但它們通常受限于標(biāo)注成本高昂和標(biāo)注數(shù)據(jù)稀疏，以及在不同數(shù)據(jù)集上的泛化能力有限。為解決這些局限性，自監(jiān)督學(xué)習(xí)（SSL）策略應(yīng)運(yùn)而生，成為一種有前景的替代方案，它能讓模型在大量未標(biāo)注的病理圖像上進(jìn)行預(yù)訓(xùn)練，作為一系列下游任務(wù)的通用特征提取器。然而，僅基于視覺的 SSL 模型仍需在多樣化的標(biāo)注數(shù)據(jù)集上針對特定任務(wù)進(jìn)行微調(diào)，這限制了其在標(biāo)注數(shù)據(jù)量少的場景中的可擴(kuò)展性，尤其是在罕見癌癥亞型分類任務(wù)中。

近期，視覺語言模型（Vision-Language Model，VLM）的興起為計(jì)算病理學(xué)開辟了新范式，為癌癥診斷提供了新途徑。通過聯(lián)合利用視覺和文本數(shù)據(jù)，視覺語言模型將自由文本描述作為病理圖像表示學(xué)習(xí)的監(jiān)督信號，這有可能在數(shù)據(jù)稀疏的情況下提高診斷的準(zhǔn)確性。這種方法能夠增強(qiáng)泛化能力，并減少對大量標(biāo)注數(shù)據(jù)集的依賴，從而解決僅基于視覺的模型在區(qū)分復(fù)雜癌癥亞型方面的局限性。為了創(chuàng)建視覺和語言的聯(lián)合嵌入空間，現(xiàn)有的模型是在從內(nèi)部資源（例如 MI-Zero、CONCH 和 PRISM）或公共網(wǎng)站（如 Twitter 的 PLIP 和 YouTube 視頻的 QuiltNet）收集的病理圖像-文本對上進(jìn)行訓(xùn)練的，采用簡單的對比學(xué)習(xí)方法將圖像與其對應(yīng)的說明進(jìn)行對齊。

盡管在各種下游任務(wù)中取得了令人矚目的表現(xiàn)，但現(xiàn)有的病理學(xué)視覺語言模型，包括 PLIP 和 QuiltNet，由于病理圖像文本數(shù)據(jù)集（例如 OpenPath 和 Quilt1M）規(guī)模相對較小，仍面臨重大局限。與通用計(jì)算機(jī)視覺中使用的龐大數(shù)據(jù)集相比，這些專門針對病理學(xué)的資源規(guī)模要小得多，而且往往來自非專業(yè)網(wǎng)站，導(dǎo)致數(shù)據(jù)噪聲大、質(zhì)量有限，例如，這些圖像所附帶的注釋往往簡短、無結(jié)構(gòu)且缺乏全面的醫(yī)學(xué)知識。這些缺陷阻礙了模型準(zhǔn)確識別和區(qū)分各種疾病表現(xiàn)及其相應(yīng)病理特征的能力。

零樣本癌癥診斷是病理學(xué)視覺語言基礎(chǔ)模型的關(guān)鍵下游應(yīng)用，非常適合診斷罕見腫瘤且僅有少量標(biāo)注病例的場景。現(xiàn)代基礎(chǔ)模型通常以整個(gè)切片圖像（WSI）的小網(wǎng)格塊為輸入，在僅視覺模型中整合嵌入特征，在視覺語言模型中整合預(yù)測標(biāo)簽，以得出最終的診斷決策。雖然視覺語言模型通過明確識別癌變網(wǎng)格塊提供了更具解釋性的方法，但其在診斷罕見疾病方面的表現(xiàn)仍有限。

視覺語言基礎(chǔ)模型，在計(jì)算病理學(xué)領(lǐng)域展現(xiàn)出了巨大潛力，但它們主要依賴數(shù)據(jù)驅(qū)動，缺乏對醫(yī)學(xué)知識的明確整合。

該研究推出了一個(gè)基礎(chǔ)模型——KEEP（KnowledgE-EnhancedPathology），它系統(tǒng)地將疾病知識融入到癌癥診斷的預(yù)訓(xùn)練中。

KEEP 利用一個(gè)包含 11454 種疾病和 139143 個(gè)屬性的全面疾病知識圖譜，將數(shù)百萬個(gè)病理圖像文本對重新組織成 143000 個(gè)語義結(jié)構(gòu)化的組，這些組與疾病本體論層次結(jié)構(gòu)相一致。這種知識增強(qiáng)型預(yù)訓(xùn)練使視覺和文本表示在層次語義空間中對齊，從而能夠更深入地理解疾病關(guān)系和形態(tài)學(xué)模式。在 18 個(gè)公共基準(zhǔn)（超過 14000 張全切片圖像）和 4 個(gè)機(jī)構(gòu)的罕見癌癥數(shù)據(jù)集（926 例）上，KEEP 一直優(yōu)于現(xiàn)有的基礎(chǔ)模型，在罕見癌癥亞型上表現(xiàn)出顯著優(yōu)勢。這些結(jié)果確立了知識增強(qiáng)型視覺語言建模作為推進(jìn)計(jì)算病理學(xué)的強(qiáng)大范式。

該研究的亮點(diǎn)：

• 將疾病知識融入預(yù)訓(xùn)練用于癌癥診斷的基礎(chǔ)模型——KEEP；

• 分層疾病知識增強(qiáng)病理學(xué)視覺語言預(yù)訓(xùn)練；

• 知識注入可提升癌癥分割、檢測及亞型分類的效果；

• 知識整合促進(jìn)罕見癌癥的診斷和推廣。

論文鏈接：

1. https://www.nature.com/articles/s41586-025-10097-9

2. https://www.cell.com/cancer-cell/fulltext/S1535-6108(26)00058-9