来源：雷峰网（周蕾（编辑：岑峰）） · 2026-09-08 · 原文链接

分类：AI 应用 / 医疗（主线外，但方法论可迁移）

一句话概括

河北医大四院与蚂蚁阿福医疗 AI 团队合作，把胃癌治疗全程拆成术前、术后、随访三个风险窗口，分别做了 DeepComp（术后并发症+长期生存）、RSA（早期复发）、RCSA（肝转移）三个多模态模型，前两项已登上 Annals of Oncology 与 Nature Communications；DeepComp 在 5237 例、11 中心数据上 AUC 0.888，并把外科医生识别高危患者的敏感性从 47.1% 拉到 87.9%。

核心要点

  1. 起点是一个临床困惑，不是一个算法。同一 TNM 分期的两个病人，烟酒不离手的那位活了很多年，规范治疗的那位半年复发离世。TNM 是一把"解剖学的尺子"——量得出肿瘤长到哪里，量不出肿瘤的生物学行为，也量不出患者的免疫、营养与肌肉脂肪储备。团队十余年做的事，就是给这把尺子补上它量不到的部分。
  2. 三个模型对应三个时点，而不是一个万能模型：
    • DeepComp（术前）：常规增强 CT + 临床资料，同时输出术后中重度并发症概率与长期生存风险。提取三层信息——肿瘤本身形态、肿瘤周围 5mm 微环境、第三腰椎层面的骨骼肌/皮下脂肪/内脏脂肪（最后一项与肿瘤无关，与人有关）。5237 例、11 中心，另用 6 项注册临床试验数据验证；内部验证 AUC 0.888，九个外部队列 0.824–0.869，统计显著优于全部九种现有临床评分。
    • RSA（术后病理出来后）：分析常规 HE 染色切片（“数字活检”，患者不增加任何检查，切片只是被第二次阅读），1763 例，AUC 0.843–0.887；核心价值是在同一 TNM 分期内部再分出高危及低危。
    • RCSA（随访期）：术前 CT 影像组学 + 病理切片深度学习特征 + 临床信息三路融合，6 中心 + 公共库共 1878 例，AUC 0.862–0.909；肝转移高风险识别率 83.1% → 92.3%，漏诊从 44 例降到 20 例。
  3. 人机对照是这篇最有说服力的一组数字：10 位不同年资外科医生，仅凭经验平均只能提前识别不到一半的高危患者；DeepComp 辅助后平均敏感性 47.1% → 87.9%。也就是 10 个会发生中重度并发症的病人，能提前抓住近 9 个。
  4. “AI 不是去发现全新的模式”。病理 AI 的杨森给边界划得很清楚：模型做的是把医生已知的特征——核分裂密度、肿瘤与间质比例、免疫细胞空间分布——以及它们之间的隐含关联，联合起来做判断。价值不在发现，在于对整张数十亿像素切片做全面、稳定、可重复的量化，这是人眼做不到的。
  5. 数据质量的土壤是临床自己攒的。算法团队花了很长时间让临床相信"两百个病人对医生来说已经很多，对 AI 远远不够"。而这个队列从 2012 年攒起，随访逐年修订；隐匿转移的病例也坚持做探查检测。原文一句话点得很准：临床先把治疗做到了医生能做到的极致，AI 才有机会把这份极致捕捉下来。
  6. 可解释性被当成落地条件而非加分项。RSA 能呈现每个形态学特征对个体风险的贡献——“AI 给出分数，也交代理由”，医生才能对号入座地用：高危的加密随访 + MRD 液体活检，低危的减检查、减剂量、减频次。
  7. 团队自己把定位放在"第一阶段"。赵群原话：“文章发得再好，后面还缺随机对照的前瞻验证、人机协作和 RCT。“目前证据主要来自回顾性数据，DeepComp 的 RCT 刚启动。路径图是三步：回顾性 + 部分前瞻 → RCT → 进临床指南。
  8. 对自己结论的折扣是明确的：风险分层管理策略（强化监护、改善术前营养、按风险优化手术策略）的获益估计来自目标试验模拟，是既有数据上的因果推断，“主要用于提出可进一步检验的临床假设，并不能直接替代现行指南和医生判断”。

金句

“肿瘤是全身性疾病。一个术前营养不良、肌肉储备不足的病人，哪怕肿瘤切得干净，术后恢复也会很慢。这项研究要同时看懂病，也看懂人。”

“它不是去发现全新的模式，而是把医生已知的特征……以及它们之间的隐含关联，联合起来做判断。”

“临床先把治疗做到了医生能做到的极致，AI 才有机会把这份极致捕捉下来。”

“一个枣、一个花生米大小的肿瘤，同样的 T 分期都可能是 T3 或 T4。但大小不同，预后一定不同。"（赵群）

“不必要的检查咱们就不做。治疗手段、剂量、复查频次都可以减下来，为患者和医保都省下负担。”

“做到进指南那一步，就能广泛地安全地帮助老百姓。"（吕乐）

期刊评论：“AI 真正的意义并不在于简单的预测风险，而是我们能把日益复杂的多模态临床信息集成起来，转化为临床上有意义的病人精准分层。”

质疑与核查

  • 信源是企业合作传播的友好报道。雷峰网是科技媒体，全文多处品牌露出（“用户数超一亿的 App”），并大段引用期刊正面评论作背书。所有数字按"公司/团队自述 + 期刊已接收"的权重处理，未见独立复核。
  • AUC 不是临床获益。全篇核心指标都是排序能力；风险分层策略的获益来自目标试验模拟的因果推断，原文自己承认"主要用于提出可进一步检验的临床假设”。这是最大的折扣点。
  • 人机对照只给了敏感性，没给特异性和代价。47.1% → 87.9% 很亮眼，但如果假阳性同步上升，意味着更多患者被推入强化监护、更多术前干预——多抓出来的 40 个百分点里，有多少是过度医疗？ 文章没提。
  • 证据等级仍是回顾性为主。RSA 称有前瞻性临床试验人群验证，DeepComp 的 RCT 才刚启动。从"回顾性规律"到"用了模型结局更好"之间还隔着金标准。
  • 人群泛化未充分讨论：11 中心、6 中心主要在中国人群，胃癌在中国高发但病理特征、治疗方案与日韩、欧美存在差异；外部队列 AUC 有下滑（0.888 → 0.824–0.869），这个下滑幅度在跨人群时可能更大，文中未拆。
  • “数字活检"“精准医疗世界模型"是包装词。前者本质是常规切片的第二次阅读（这个说法本身是准确的），后者把"多模态风险预测"类比到"世界模型”，属于品牌叙事，别当技术概念用。
  • 失败案例缺失：三个模型都没有给出典型失败案例的分析，而临床落地最需要知道的是"它在什么病人身上会错”。

本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文