不靠基因檢測，AI僅憑病理圖精準預測癌癥患者存活率

當人工智能開始“看”癌癥病理切片時，它看到的遠不止腫瘤細胞——它竟從一張張看似普通的組織玻片中，預測出患者未來數年內的死亡風險、治療反應，甚至揭示出人類病理學家從未注意到的隱藏模式。這項由哈佛醫學院與谷歌健康團隊合作的研究，不僅讓科學家“震驚”，更可能徹底改變癌癥診斷與預后評估的方式。

研究團隊訓練了一種深度學習模型，輸入數據來自超過1.5萬例已確診癌癥患者的數字化病理切片（涵蓋乳腺癌、肺癌、結腸癌等），每張切片都關聯著詳細的臨床隨訪記錄，包括患者是否復發、對化療是否響應、以及五年生存率。AI的任務很簡單：僅憑一張靜態的組織圖像，預測這些未來事件。

結果令人難以置信。在乳腺癌病例中，AI不僅能準確識別腫瘤分級和分子亞型（如HER2陽性或三陰性），還能發現腫瘤微環境中極其細微的結構特征——比如免疫細胞的空間分布、血管密度的局部變化、甚至基質纖維的排列方向——這些細節肉眼幾乎無法分辨，卻與患者預后高度相關。更驚人的是，AI在部分“病理報告判定為低風險”的患者中，仍識別出高風險信號，而后續隨訪證實，這些患者確實在兩年內出現轉移。

“我們以為AI只是輔助工具，但它實際上在教我們如何‘重新看’癌癥，”哈佛病理學教授安德魯·貝克博士坦言，“有些模式，連經驗最豐富的病理學家看了也說‘我以前從沒注意過這個’。”

研究中最震撼的發現來自“黑箱可視化”技術。通過反向映射，研究人員能看清AI關注切片中的哪些區域做出判斷。結果顯示，AI不僅盯著癌細胞本身，還大量分析腫瘤邊緣的“過渡帶”——那里是癌細胞與正常組織交界處，也是免疫系統與腫瘤博弈的前線。某些特定的炎癥細胞聚集模式，被AI識別為“免疫系統正在有效控制腫瘤”的標志，預示良好預后；而另一些看似平靜的區域，卻被標記為“沉默的侵襲前兆”。

目前，該模型已在獨立數據集上驗證，其預測五年生存率的準確度比傳統臨床指標高出18%。更重要的是，它完全基于常規H&E染色切片——這是全球醫院最基礎、最普及的病理檢查手段，無需額外基因測序或昂貴檢測。

當然，研究者強調，AI不會取代病理學家，而是成為“超級顯微鏡”般的決策伙伴。下一步，團隊計劃將該系統整合進臨床工作流，在真實診療中測試其價值。如果成功，未來醫生只需上傳一張病理圖，就能獲得一份包含風險分層、潛在靶點和治療建議的AI輔助報告。

正如一位參與研究的腫瘤學家所說：“我們一直以為癌癥的秘密藏在基因里，但現在發現，答案也可能就寫在那張小小的玻璃片上——只是我們的眼睛，還沒學會讀懂它。”

參考資料：DOI：10.1016/j.xcrm.2025.102527