科大研發新型AI病理分析系統 部分診斷任務準確指標達100%
發佈時間：15:57 2026-04-21 HKT
全球每年新增近2000萬宗癌症病例，病理檢查在臨床診斷和治療決策中扮演關鍵角色。香港科技大學領導的研究團隊最近研發出一套新型人工智能（AI）病理分析系統，在毋須額外訓練下，系統只須極少量樣本即可準確識別多種癌症；其於20項測試任務中表現均優於現行同類方法，部分項目的準確性指標（AUC）更高達100%。團隊期望進一步提升系統的診斷效能，並拓展應用至基因突變預測及病人預後評估等範疇。有關成果已於國際期刊《Nature Cancer》發表。
「上下文學習」概念引入病理影像分析
雖然AI在自動化病理診斷方面具備巨大潛力，惟現有技術的實際應用仍面對多重瓶頸，例如傳統AI模型須針對每一種癌症種類或診斷任務，收集數以萬計的病理圖像及數據進行訓練，過程耗時且涉及高昂的運算與人力成本；現有病理基礎模型亦缺乏通用性，在不同腫瘤類型的臨床分析中需要大量微調訓練，限制其於資源匱乏地區及多元臨床場景中的應用。
由科大電子及計算機工程學系助理教授兼醫學成像與影像分析研究中心副主任李小萌領導的研究團隊，早前聯同廣東省人民醫院及哈佛醫學院，成功開發出名為PRET（Pan‑cancer Recognition without Example Training）的全新病理分析系統。該系統首次將自然語言處理中的「上下文學習」（In-context Learning）概念引入病理影像分析，讓模型在推理階段僅需參考1至8張已標註的腫瘤切片，便可即時適配全新的癌症類型並執行多項診斷任務，包括癌症篩檢、腫瘤分型、腫瘤分割等。
為對PRET系統進行全面驗證，團隊採用來自中國內地、美國、荷蘭等多個國家及地區的多所醫療機構，共23個國際基準數據集，涵蓋18種癌症類型及不同診斷任務，結果PRET在20項測試任務中表現均優於現有同類方法，其中15項任務的準確性指標（AUC）高達97%，當中大腸癌篩查任務的AUC值更達100%，食道鱗狀細胞癌腫瘤分割任務的AUC值亦達99.54%。
20項測試任務表現均優於現有方法
另外，在臨床上具高度挑戰性的淋巴結轉移檢測任務中，PRET僅憑8張切片樣本，便取得約98.71%的AUC值，其整體表現更顯著超越11位病理學醫生約81%的平均AUC值。研究亦反映，PRET在不同人群及醫療資源水平各異的地區，仍展現出穩定而卓越的通用能力。
李小萌認為，PRET系統的核心價值在於突破「大量數據與反覆訓練」的傳統門檻，讓AI病理分析系統能夠以在更低成本及更靈活性的條件下，應用於實際臨床場景，不僅有助紓緩病理醫生的工作壓力，亦有望提升在資源匱乏地區癌症診斷的可及性。
展望未来，研究團隊冀進一步提升系統的診斷效能，並拓展應用至基因突變預測及病人預後評估等臨床任務，為AI病理診斷開闢更多發展新方向，「期望透過這套『即插即用』的創新系統，令更先進、更精準的AI醫療診斷服務能跨越地域與資源限制，推動全球醫療公平。」
本報記者
延伸閱讀︰
