Lancet Digit Health | 林天歆-吳少旭團隊等發布全球最大泛癌種淋巴結轉移AI病理模型

準確檢測淋巴結轉移對于各類 腫 瘤的精準分期和輔助治療方案制定至關重要。然而，傳統的顯微鏡病理檢查耗時耗力，病理醫生在繁重的工作負荷下，易漏診直徑小于2毫米的微小轉移灶。這種漏診會低估患者真實的腫瘤分期，進而延誤治療并嚴重影響臨床預后。 因 此，迫切需要開發具備跨癌種泛化能力、能高效輔助檢測 腫瘤 微小 淋巴 轉移的人工智能診斷工具。

近日 ，林天歆-吳少旭教授團隊等在國際期刊 The Lancet Digital Health 上發表了題為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 。

本研究旨在開發一種泛癌種通用的淋巴結轉移病理人工智能診斷模型PanCAM（ pan-cancer artificial intelligence diagnostic model ） 。 該 研究納入了中國17家醫院接受 腫瘤 根治術 和淋巴結清掃 術 的9256名患者。數據集包含33種 腫瘤 （9種常見 腫瘤 和24種罕見 腫瘤 ） 的 69502張全切片 數字病理掃描 圖像（WSIs）， 共計 153985個淋巴結 。 Pan CAM 采用了 DeepLabv3+分割框架和RegNet-Y40編碼器，并 使用 監督學習 （ 像素級細標簽 ） 和增量學習 （模型自生成軟標簽- 專家審核校正 ） 策略 進行模型 迭代 學習 。

結果顯示，在16家醫院的回顧性驗證中， PanCAM 檢測淋巴結轉移的敏感性 達 0.97 - 1.00，在外部CAMELYON16數據集上的敏感性為0.96。在9家醫院的前瞻性驗證中， PanCAM 的敏感性 達0 .93 - 1.00 ，均優于常規病理報告 。盡管僅使用 九大 高發 腫瘤 圖像進行訓練， PanCAM 對 罕見 腫瘤 的 診斷 敏感性 在回顧性和前瞻性隊列中 均 達到0.98 以上 。

值得注意的是 ， PanCAM 在回顧性驗證中額外識別出120名被病理 報告 遺漏的淋巴結轉移患者，在前瞻性驗證中額外識別出21例。

此外，該研究將 PanCAM 與 多種 特定 腫瘤 模型（如膀胱癌特定模型）進行了對比分析。在膀胱癌數據集中， PanCAM 的敏感性為0.99， 特異性 為0.98 ， 陽性預測值0.81 ； 對比之下，膀胱癌特定模型（ BCa model）的敏感性為0.98， 特異性 為0.94 ，陽性 預測值0.62 。

本 研究 開發的 P anCAM 為 各類 腫瘤 的 淋巴結轉移 病理 檢測提供了 新的 解決方案 ， 該模型可輔助病理醫生 快速精準地 診 斷淋巴結轉移，以提高診斷準確性并 輔助 治療決策的制定。

林天歆教授為本研究的通訊作者，吳少旭教授、洪桂斌博士、王赟博士、曾弘教授、林真教授、 楊潔教授、 陳 健 寧教授、 陳紅濤 教授 為 共 同第一作者。

原文鏈接：https://doi.org/10.1016/j.landig.2025.100961

制版人：十一

BioArt

Med

Plants

人才招聘

學術合作組織

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。