精准“算病”！AI检测癌症，准确率高达94%，研究登上Nature

根据世界卫生组织最新调查报告显示，2022年，估计有 2000 万新增癌症病例和 970 万死亡病例。癌症确诊后 5 年内存活的估计人数为 5350 万。大约五分之一的人在一生中罹患癌症，大约九分之一的男性和十二分之一的女性死于癌症。

2024 年 2 月 2 日，世界卫生组织国际癌症研究机构（IARC）最新发布的 Global cancer burden growing, amidst mounting need for services，预计 2050 年将有超过 3500 万新增癌症病例，比 2022 年的估计 2000 万例增加 77%。这再一次强调了目前日益加重的全球癌症负担，值得世界范围内的重视。

组织病理学图像评估是诊断癌症的一种有效的方法。近日，来自哈佛医学院的研究团队及其合作者提出了临床组织病理学成像评估基础（CHIEF）模型，用于提取病理成像特征以进行系统的癌症评估。

在包含 11 种癌症类型的 15 个数据集上，CHIEF 在癌症检测方面实现了近 94% 的准确率，显著优于当前的人工智能方法。在从独立队列收集的 5 个活检数据集中，CHIEF 在包括食道癌、胃癌、结肠癌和前列腺癌在内的多种癌症类型中达到了 96% 的准确率。当研究人员在以前从未见过的结肠、肺、乳腺、子宫内膜和子宫颈手术切除肿瘤的切片上测试 CHIEF 时，该模型的准确率超过 90%。

相关研究论文以 “A pathology foundation model for cancer diagnosis and prognosis prediction” 为题，已发表在权威科学期刊 Nature 上。

该研究的共同通讯作者、哈佛医学院助理教授 Kun-Hsing Yu 表示：“我们的目标是创建一个灵活、多功能的类似 ChatGPT 的人工智能 （AI）平台，可以执行广泛的癌症评估任务，我们的模型在与多种癌症的癌症检测、预后和治疗反应相关的多项任务中非常有用。”

研究人员指出，未来若对该方法进行进一步验证并广泛推广，将能够辨识出早期癌症患者。这些患者可能会从针对特定分子变异的实验性治疗中获益，这将有助于缩小全球范围内此类治疗在研发和应用方面的差距。