英国《自然·医学》杂志近期发布的一项研究，为癌症诊断领域带来了颇具前景的突破。美国纪念斯隆凯特琳癌症中心的研究团队成功构建了一个深度学习模型，开发出一套能够自主区分健康组织与癌组织的人工智能系统。其核心亮点在于：这套系统无需病理学专家事先进行手动数据标注，即可实现“自主学习”，从而显著加快癌症诊断流程。

长期以来，病理学AI系统的研发始终受困于一个瓶颈——需要大量人工标注的数据集。病理学家需要逐张切片手动标记，耗时费力，直接拖慢了技术从实验室向临床转化的速度。工程师和医学界人士都希望找到绕过这一障碍的有效方法。

此次，研究团队的做法相当扎实。他们首先构建了一个大规模数据集，涵盖超过1.5万名前列腺癌、皮肤癌、乳腺癌患者的4.4万余例组织切片。在此基础上训练的深度学习模型，不再依赖人工标注，而是直接自主识别肿瘤细胞。测试结果显示，这套算法能够帮助病理学家排除最多75%的无用信息组织样本，同时保持100%的敏感性——也就是说，不会遗漏任何一个真正有问题的切片。正如研究团队所言：这为在临床实践中部署计算决策支持系统铺平了道路。

当然，这套系统未来若投入实际应用，很可能成为癌症中心病理诊断的得力助手，让常规病理检查的效率再上一个新台阶。

谈到AI在癌症诊断领域的进展，近两年确实好消息不断。例如，圣地亚哥海军医学中心与谷歌AI团队联合开发的系统，能够利用癌症检测算法自主评估淋巴结活检，帮助对转移性乳腺癌患者的诊断和治疗做出更精准的决策。再如纽约大学医学院的研究团队，他们开发的机器学习程序不仅能以97%的准确率确定患者的肺癌类型，还能进一步识别导致异常细胞生长的变异基因。这些突破虽然在技术路径上各有侧重，但都指向同一个方向：AI正在逐步改变病理诊断的游戏规则。