基于人工智能的模型通过分析数字病理图像可能在儿童肉瘤诊断准确性方面取得重大飞跃，根据2025年美国癌症研究协会年会上展示的研究结果。
儿童肉瘤是一种罕见且异质性的肿瘤，需要精确的亚型分类以进行有效治疗。然而，分类通常依赖于复杂的分子检测和有经验的病理学家审查——这些资源在所有临床环境中并不总是可获得的。在这项研究中，研究人员评估了仅基于病理切片图像训练的人工智能模型来分类肉瘤。
研究团队使用了来自四个主要机构的691张涵盖九种肉瘤亚型的数字病理图像。这些图像包括来自麻省总医院、耶鲁纽黑文儿童医院、圣犹大儿童医院和儿童肿瘤组的图像。研究团队开发了深度学习模型，将数字化切片转换为数据，使人工智能能够检测与特定亚型相关的细微形态模式。
验证结果非常有希望。人工智能区分：
- 尤因肉瘤与其他肉瘤的准确率为92.2%
- 非横纹肌肉瘤与横纹肌肉瘤的准确率为93.8%
- 腺泡状横纹肌肉瘤与胚胎性横纹肌肉瘤的准确率为95.1%
- 三种横纹肌肉瘤亚型的准确率为87.3%
“这些结果表明，人工智能可以匹配甚至超过使用常规病理图像的传统诊断工具，”作者表示。他指出全球可访问性的潜力：“我们的模型可以在标准笔记本电脑上运行，提供更快、更准确的诊断，即使在医疗资源不足的环境中也是如此。”
尽管数据集规模是一个限制，但研究人员认为这可能是迄今为止最大的多机构儿童肉瘤图像集。
参考文献：
Thiesen A等人。基于人工智能的数字病理图像分析可能改善儿童肉瘤亚型分类[新闻稿]。美国癌症研究协会年会；2025年4月25日至30日。可访问于：
(全文结束)
