AI突破：从常规切片中“读取”分子信息

中枢神经系统（CNS）肿瘤的精准诊断正迎来革命性变革。由德国癌症研究中心（DKFZ）Moritz Gerstung教授和海德堡大学医学院Felix Sahm教授领导的国际团队，开发出名为“Hetairos”的深度学习AI系统，能够仅凭常规苏木精-伊红（H&E）染色的组织切片，在短短12分钟内预测出肿瘤的分子亚型。这一成果发表于《自然·癌症》（Nature Cancer）。

传统上，CNS肿瘤的精准分类依赖于DNA甲基化分析——这一金标准技术通过检测DNA上的化学修饰来区分超过100种分子亚型。然而，该技术需要专门的实验室、昂贵的设备和充足的肿瘤组织，且通常需要约12天才能获得结果。在许多资源匮乏地区，这项技术甚至完全不可用。Hetairos的出现，有望彻底改变这一局面。

研究团队利用来自四大洲11个医疗中心的9606名患者的11000余张数字化组织切片对模型进行训练和验证。这些切片的“金标准”诊断结果已通过先进的DNA甲基化检测预先确定。最终，Hetairos能够区分102种不同的分子肿瘤亚型，几乎覆盖了世界卫生组织（WHO）当前CNS肿瘤分类的全部谱系。

人机对决：AI准确率68% vs 人类专家30%

在最为关键的验证环节，研究团队设计了一场严格的人机对比实验。5位来自不同国际中心的资深神经病理学家与Hetairos同台竞技，他们仅凭H&E染色切片对210例复杂肿瘤病例进行诊断。结果令人震惊：Hetairos的准确率达到68%，而人类专家的平均准确率仅为30%。当评估前三项最可能的诊断时，AI的准确率提升至84%，而人类专家平均为50%。

“这一结果表明，现代AI系统能够识别出极其细微的形态学模式，这些模式即使对经验丰富的专家来说也难以区分。”Felix Sahm教授指出。研究第一作者Darui Jin补充道：“这项研究表明，人工智能能够直接从常规组织切片中提取分子信息，从而从根本上改变癌症诊断。”

值得注意的是，Hetairos并非在所有情况下都完美无缺。对于极为罕见的肿瘤类型，资深神经病理学家仍能与AI匹敌。但正如Moritz Gerstung教授所言：“我们预计，随着更大、更多样化的数据集加入，系统的性能还将进一步提升。”

12分钟 vs 12天：诊断速度的革命性提升

在前瞻性临床验证中，Hetairos被并行应用于常规临床实践。系统分析了210例肿瘤样本，但其结果并未影响实际诊断或治疗决策。结果显示：完整的分子诊断平均需要12天，而Hetairos在标准计算机硬件上仅需12分钟即可生成预测结果。即使加上切片制备和数字化时间，结果也通常在24至48小时内可用。

Hetairos还具备一项独特优势：自我评估置信度指标。在50%至70%的病例中，AI对其预测结果标注了“高置信度”，在此筛选层级内，诊断准确率飙升至87%至88%。即使在高度模糊的病例中，它也能将超过100种亚型的可能性缩小到少数几个候选者，从而显著简化后续诊断检测的选择。

此外，Hetairos并非“黑箱”模型。它能够高亮显示组织切片中驱动其决策的特定微观区域，使病理学家可以直观验证AI的逻辑，并确定适合进一步基因组检测的边界。这一特性使得从活检到治疗方案的制定可在24至48小时内完成。

“Hetairos主要作为支持诊断的工具而开发，”Felix Sahm教授强调，“它并非要取代分子分析，而是专门补充和加速这一过程。这项技术尤其能在资源有限的国家或地区做出重要贡献，因为它基于全球通用的标准组织切片。”Moritz Gerstung教授总结道：“Hetairos展示了AI辅助数字病理学的巨大潜力，能够提供以前只有通过大量技术投入才能实现的快速、广泛可用的诊断方法。”