蚂蚁阿福AI预测胃癌术后风险登顶刊

用AI从病理切片的数十亿像素的细胞形态里寻找答案——近日，肿瘤学顶级期刊Annals of Oncology接收了一项来自中国的研究：人工智能模型DeepComp可在胃癌手术前，利用常规增强CT与临床资料，同时预测患者术后中重度并发症概率与长期生存风险。

这是同一团队近期登上顶级期刊的第三项研究。另外两项——预测胃癌术后早期复发的RSA模型、预测术后肝转移的RCSA模型，已发表于Nature Communications。三项研究分别对应胃癌患者治疗旅程的三个节点：手术前、手术后及术后随访期。

研究由河北医科大学第四医院（河北省肿瘤医院）胃癌团队与蚂蚁阿福医疗AI团队共同完成。阿福团队在严肃医学科研领域已开始探索，此次合作提高了术前预测胃癌复发和转移风险的准确率。

在临床中，医生们发现，按传统TNM分期评价风险不高的患者，术后可能很快复发甚至肝转移；而分期很晚的患者，却可能有良好生存。中国胃癌负担沉重：2022年新发病例约35.9万、死亡约26万，分别约占全球37%和39.4%。即便完成根治手术，局部进展期患者仍有四到六成会复发，约五分之一术后发生需干预的中重度并发症。

传统TNM分期沿用数十年，是解剖学尺子，量得出肿瘤范围，却量不出生物学行为、免疫、营养与肌肉脂肪储备。答案可能藏在CT影像灰阶、病理切片细胞形态及常规检验指标中，这些信息超出人眼稳定识别边界，而AI或许能做到。

合作始于临床医生与AI科学家的沟通。河北医大四院自2012年起积累高质量患者队列数据，蚂蚁阿福团队提供病理AI技术。双方将临床困惑拆解为三个问题：术前谁更易发生并发症？术后谁更易短期复发？随访期谁需警惕肝转移？

针对这三个问题，团队分别构建了DeepComp、RSA和RCSA模型。DeepComp利用增强CT提取肿瘤形态、周围微环境及患者身体成分信息，结合临床资料，同时输出并发症概率与长期生存风险。研究纳入11家医疗中心5237例患者，内部验证AUC达0.888，九个外部队列AUC在0.824至0.869，显著优于现有临床评分。人机对照中，医生获得DeepComp辅助后，识别高风险患者的敏感性从47.1%升至87.9%。

研究还通过目标试验模拟估计了风险分层管理策略的潜在获益，但结果需前瞻性随机对照试验进一步验证。《肿瘤学年鉴》评价称，肿瘤学AI正超越孤立图像识别，整合多层面信息以生成更全面的患者评估。