全球每三人中就有一人在一生中罹患癌癥，癌癥已成為威脅人類健康的重大疾病。而腫瘤的“微衛(wèi)星狀態(tài)”（Microsatellite Status）——即DNA中微衛(wèi)星區(qū)域的突變穩(wěn)定性——是判斷腫瘤發(fā)展及治療反應(yīng)的重要生物標(biāo)志。

在臨床中，微衛(wèi)星不穩(wěn)定性高（MSI-H）的癌癥患者通常預(yù)后更好，且更可能對(duì)免疫檢查點(diǎn)抑制劑（ICIs）產(chǎn)生反應(yīng)，尤其是那些存在錯(cuò)配修復(fù)缺陷（dMMR）的腫瘤。相比之下，微衛(wèi)星穩(wěn)定（MSS）的患者則更可能需要化療?；谶@些發(fā)現(xiàn)，專家建議為新診斷的胃癌和結(jié)直腸癌患者常規(guī)進(jìn)行MSI檢測(cè)。

然而，傳統(tǒng)MSI檢測(cè)方法成本高、流程復(fù)雜。近年來(lái)，人工智能（AI）為解決這一難題提供了新路徑。盡管已有多個(gè)研究使用深度學(xué)習(xí)方法如卷積神經(jīng)網(wǎng)絡(luò)（CNN）或視覺(jué)Transformer對(duì)MSI狀態(tài)進(jìn)行預(yù)測(cè)，但這些方法普遍缺乏對(duì)預(yù)測(cè)不確定性的評(píng)估，且無(wú)法有效關(guān)聯(lián)免疫治療反應(yīng)，因此在臨床中的應(yīng)用受到限制。

為此，一項(xiàng)由韓國(guó)延世大學(xué)醫(yī)學(xué)院的鄭在浩（Jae-Ho Cheong）教授與江南世福蘭斯醫(yī)院的姜正賢（Jeonghyun Kang）教授領(lǐng)銜的中美韓聯(lián)合研究團(tuán)隊(duì)，開發(fā)出名為MSI-SEER的AI模型。該成果已于2025年5月19日發(fā)表在《npj Digital Medicine》。

一項(xiàng)重大創(chuàng)新：AI模型學(xué)會(huì)“知道自己不知道什么”

MSI-SEER采用了一種基于深高斯過(guò)程的貝葉斯模型，在弱監(jiān)督學(xué)習(xí)下對(duì)H&E染色的全切片組織圖像進(jìn)行分析，自動(dòng)判斷胃癌與結(jié)直腸癌患者的MSI狀態(tài)。該模型的最大亮點(diǎn)，是它具備自我評(píng)估預(yù)測(cè)置信度的能力。

研究團(tuán)隊(duì)引入了蒙特卡洛Dropout技術(shù)，用于評(píng)估預(yù)測(cè)的不確定性，并將其轉(zhuǎn)化為貝葉斯置信評(píng)分（Bayesian Confidence Score, BCS），為每次預(yù)測(cè)結(jié)果賦予一個(gè)“可信度”。當(dāng)模型識(shí)別到預(yù)測(cè)結(jié)果存在高度不確定性時(shí)，它會(huì)自動(dòng)將該病例標(biāo)記為“需人工復(fù)審”，而非做出自動(dòng)判斷。

“這項(xiàng)研究展示了AI與人類醫(yī)生協(xié)同工作的可能性。一個(gè)‘知道自己不知道’的AI系統(tǒng)，其可靠性遠(yuǎn)高于盲目自信的黑箱模型，”鄭教授指出，“我們正在建立一種更安全、更可控、更適用于真實(shí)臨床場(chǎng)景的AI-醫(yī)生協(xié)作機(jī)制。”

多中心驗(yàn)證+精準(zhǔn)預(yù)測(cè)免疫治療反應(yīng)

研究團(tuán)隊(duì)在多個(gè)大型多族裔患者數(shù)據(jù)集中進(jìn)行了廣泛驗(yàn)證，MSI-SEER在MSI狀態(tài)預(yù)測(cè)方面取得了當(dāng)前最先進(jìn)的性能表現(xiàn)（state-of-the-art performance）。

此外，該模型還能結(jié)合腫瘤MSI狀態(tài)與腫瘤-間質(zhì)比（stroma-to-tumor ratio），進(jìn)一步預(yù)測(cè)患者對(duì)免疫治療（ICI）的響應(yīng)概率。研究還發(fā)現(xiàn)，模型在切片級(jí)別（tile-level）的空間分布預(yù)測(cè)，有助于理解腫瘤微環(huán)境中MSI-H區(qū)域的分布模式與免疫治療反應(yīng)之間的關(guān)系。

“我們認(rèn)為，MSI-SEER的技術(shù)已具備一定臨床可轉(zhuǎn)化性，可用于前瞻性隊(duì)列監(jiān)測(cè)，甚至作為一種‘真實(shí)世界研究’（類似于四期臨床試驗(yàn)）的工具。”鄭教授補(bǔ)充說(shuō)，“這項(xiàng)研究的意義已不局限于單一模型，而是提出了一種新范式：如何利用AI分析多模態(tài)臨床數(shù)據(jù)，開發(fā)真正可用的精準(zhǔn)醫(yī)療工具?！?/p>

參考文獻(xiàn)：Sunho Park et al, Deep Gaussian process with uncertainty estimation for microsatellite instability and immunotherapy response prediction from histology,?npj Digital Medicine?(2025).?DOI: 10.1038/s41746-025-01580-8

編輯：周敏

排版：李麗