摘要：研究人员介绍了一种深度学习人工智能，能够利用标准、普遍可用的组织切片在几分钟内预测脑和脊髓肿瘤的分子分类。这个名为"Hetairos"的人工智能系统是由一个国际联盟开发的。
Hetairos基于来自四大洲9,606名患者的超过11,000份数字化组织切片的庞大全球数据集进行训练，绕过了复杂、昂贵且耗时的DNA甲基化检测黄金标准流程，将诊断窗口从十二天缩短至仅仅十二分钟，同时在显微分类准确性方面远超资深人类神经病理学家。
关键事实
- DNA甲基化的瓶颈问题：现代神经肿瘤学需要DNA甲基化分析（绘制DNA上的化学修饰）来准确分类高度多样化的中枢神经系统(CNS)肿瘤。然而，这种黄金标准检测需要专业实验室、大量组织样本和巨额资金投入，通常需要长达两周才能获得结果——在世界资源匮乏地区，这种技术完全无法获取。
- 11,000张切片的全球训练网格：Hetairos建立并验证于一个庞大、人口统计学多样化的数据库，包含来自四大洲11个医疗中心9,606名国际患者的超过11,000份数字化组织切片。该训练网格的基准诊断是通过先进的分子DNA甲基化诊断预先确定的。
- 全面的WHO分类：该AI不仅仅检测癌症；它成功区分了102种不同的分子肿瘤亚型，涵盖了当前世界卫生组织(WHO)中枢神经系统肿瘤分类的几乎全部诊断谱系。
- 超越资深神经病理学家：在一项涉及210例复杂肿瘤病例的直接临床试验中，五位国际专家神经病理学家仅使用染色组织切片与AI进行比拼。Hetairos达到了68%的确诊准确率，而人类专家平均仅为30%。在评估每例最可能的前三项诊断时，AI得分为84%，是人类专家50%平均分的两倍。
- 十二分钟对比十二天：在与常规医院实践同步进行的前瞻性临床测试中，传统全面分子诊断平均需要十二天才能返回报告。Hetairos在组织切片数字化后，仅使用标准市售计算机硬件，就能在短短十二分钟内生成其精确的分子亚型预测。
- "高确定性"过滤器：Hetairos具备自我评估的置信度指标。在所有评估病例的50%至70%中，AI对其预测标记了"高度确定"。在此筛选层级中，其诊断准确率飙升至87%至88%的 exceptional水平。即使在高度模糊的病例中，它也能成功将100多种亚型缩小到几个可能的候选者。
- 可解释的AI组织映射：Hetairos规避了神经网络经典的"黑箱"批评，主动突出组织切片上驱动其计算决策的确切显微区域。这一功能使病理学家能够直观验证AI的逻辑，为靶向基因组测试划定明确边界，并在初始活检后24至48小时内推进治疗规划。
来源：DKFZ
脑和脊髓肿瘤极其多样化。近年来，人们越来越清楚地认识到，许多这类肿瘤只有在检查其分子特性的同时结合显微外观才能可靠诊断。其中特别重要的是所谓的DNA甲基化分析，现在被认为是许多脑肿瘤准确分类的黄金标准。
然而，此类测试很复杂：它们需要专业实验室、昂贵设备和足够的肿瘤材料。此外，结果通常需要约两周时间才能获得。在世界许多地区，必要的技术甚至不可用。
AI从超过11,000份组织切片中学习
一个名为"Hetairos"的新AI系统有望带来实质性改进。它由Moritz Gerstung（德国癌症研究中心，DKFZ）和Felix Sahm（海德堡大学医学院和海德堡大学医院）领导的团队开发。该项目的目标是仅基于常规制备和染色的组织学切片预测肿瘤属于哪个分子亚组。
Hetairos使用来自9,606名患者的11,000多份数字化组织切片进行训练和验证。诊断主要通过DNA甲基化诊断确定。数据来自四大洲的11个医疗中心。总计，Hetairos区分102种不同的分子肿瘤亚型，涵盖当前WHO中枢神经系统肿瘤分类的几乎全部谱系。
该AI不仅评估其诊断，还指示其对诊断的信心程度。在所有病例的大约50%至70%中，Hetairos以"高度确定"做出预测。在这些病例中，准确率约为87%至88%。即使AI不确定，它通常也能显著缩小可能诊断的数量。
与其区分100多种肿瘤亚型，Hetairos通常为神经病理学家提供几个可能的候选者。这可以大大简化进一步诊断测试的选择。
"研究表明，人工智能能够直接从常规组织切片中推导分子信息，从而从根本上改变癌症诊断，"该研究的主要作者之一Darui Jin表示。
Hetairos超越经验丰富的专家
与人类专家的直接比较尤为引人注目。来自不同国际中心的五位经验丰富的神经病理学家被给予210个病例，要求仅基于组织切片做出诊断。Hetairos达到了68%的准确率，而专家平均为30%。在考虑每个病例最可能的三个诊断时，AI得分为84%，而专家得分为约50%。
"结果表明，现代AI系统现在能够识别即使经验丰富的专家也难以区分的极其细微的形态学模式，"Felix Sahm表示。
"目前，非常罕见的肿瘤类型的诊断仍然是Hetairos面临的主要挑战；在这方面，经验丰富的神经病理学家似乎至少与AI水平相当。然而，我们预计随着更大、更多样化的数据集，系统的性能将进一步提高，"Moritz Gerstung补充道。
十二分钟而非十二天完成诊断
在一项前瞻性研究中，Hetairos与常规临床实践同步使用。该系统分析了210个肿瘤样本，而AI结果并未影响实际诊断或治疗决策。
虽然完整的分子诊断平均需要约十二天，但Hetairos在组织切片数字化后，仅使用标准计算机硬件就能在短短十二分钟内生成其发现。包括组织切片的准备和数字化在内，结果通常可在24小时至两天内获得。
协助处理疑难和模糊病例
Hetairos在传统分子方法达到极限、肿瘤材料不足以进行基因检测或分子检测结果不明确的情况下可能特别有价值。此外，该系统突出了组织切片中对其决策特别重要的区域。这使医生能够理解AI诊断的基础，并确定哪些区域可能适合进一步调查。
"我们主要将Hetairos开发为诊断支持工具，"神经病理学家Felix Sahm解释道。"它不是要取代分子分析，而是要具体补充和加速它们。该技术可能做出重要贡献，特别是在资源有限的国家或地区，因为它基于全球使用的标准组织切片。"
该方法也可能提供经济优势。虽然DNA甲基化分析通常花费数百欧元，但Hetairos使用现有组织切片进行分析。
Moritz Gerstung确认："Hetairos展示了AI支持的数字病理学的巨大潜力，可提供快速且广泛可用的诊断方法，而这些方法以前只能通过相当大的技术努力实现。"
关键问题解答：
问：AI如何仅通过观察组织切片的标准图片就能预测肿瘤的分子和遗传构成？
答：通过识别肉眼不可见的极其复杂的微观结构模式。当肿瘤发生基因突变时，这些分子变化微妙地改变了细胞的聚集方式、形状和结合方式。通过对分子数据已知的11,000多份全球组织样本进行训练，Hetairos学会了将这些超细微的物理形状映射回其特定的基因亚型，直接从常规视觉扫描中提取深层分子数据。
问：这是否意味着Hetairos AI将在医院环境中完全取代人类病理学家？
答：不会，它被设计为高级高速诊断助手。正如联合开发者Felix Sahm博士强调的，Hetairos不是传统分子测试或人类监督的替代品；它是一种补充工具。虽然它在大规模多层次模式上超越了人类平均水平，但在诊断异常罕见、独特的肿瘤异常时，人类神经病理学家仍然完全平等或更优。AI充当数字副驾驶，快速处理简单病例并缩小复杂病例范围，使医生能够更快、更准确地工作。
问：对于刚刚接受脑部活检的患者，这项技术最大的实际好处是什么？
答：节省关键的、改变生命的时间。在处理侵袭性脑或脊髓癌症时，在医疗团队能够定制精确治疗计划前等待十二天的复杂分子结果可能极其危险。Hetairos仅在十二分钟内提供高度准确的分子亚型预测，使神经肿瘤学家能够在初始手术后24至48小时内安全确定肿瘤的确切特征并启动高度靶向的救命疗法。
编辑说明：
- 本文由Neuroscience News编辑编辑。
- 完整审阅了期刊论文。
关于此脑癌和AI研究新闻
作者：Sibylle Kohlstädt
来源：DKFZ
联系方式：Sibylle Kohlstädt – DKFZ
图片：图片由Neuroscience News提供
原创研究：开放获取。
"Hetairos是一种基于组织学的人工智能模型，用于预测中枢神经系统肿瘤甲基化亚型"，作者：Darui Jin（晋达睿）、Artem Shmatko、Areeba Patel、Samuel Rutz、Lukas Friedrich、Rouzbeh Banan、Ramin Rahmanzade、Philipp Sievers、Stefan Hamelmann、Daniel Schrimpf、Kirsten Göbel、Henri Bogumil、Sybren L. N. Maas、Martin Sill、Felix E. Hinz、Abigail K. Suwala、Felix Keller、Antje Habel、Gleb Rukhovich、Ferdinand Zettl、Obada T. Alhalabi、Sebastian Ille、Jannik Sehring、Daniel Amsel、Benedikt Wiestler、Pedro Piovesan Lago、Bogdana Suchorska、Olfat Ahmad、Dominik Sturm、David Reuss、Pieter Wesseling、Adelheid Wöhrer、Frank L. Heppner、Ingmar Blümcke、Claire Delbridge、Martin Jakobs、Christel Herold-Mende、Sandro M. Krieg、Wolfgang Wick、David T. W. Jones、Stefan M. Pfister、Maysa Al-Hussaini、Yanghao Hou、Felipe D'Almeida Costa、Leonille Schweizer、Luca Bertero、Till Acker、Arnault Tauziede-Espariat、Pascale Varlet、Doron Merkler、Kristof Egervari、Hildegard Dohmen、Pablo Zoroquiain、Roger Gejman、Sebastian Brandner、Xiangzhi Bai、Andreas von Deimling、Felix Sahm和Moritz Gerstung，《自然·癌症》
DOI:10.1038/s43018-026-01186-3
摘要
Hetairos是一种基于组织学的人工智能模型，用于预测中枢神经系统肿瘤甲基化亚型
分子测试对于分类中枢神经系统(CNS)肿瘤至关重要，其中甲基化谱分析提供了最高的诊断粒度。然而，这需要比全球广泛使用的常规苏木精和伊红(H&E)组织病理学更多的资源和时间。
本文提出Hetairos，这是一种从数字H&E载玻片预测102种基于甲基化的CNS肿瘤亚型的人工智能算法。该算法在来自四大洲11个中心的9,606名患者和超过11,000张载玻片上构建和验证，Hetairos识别出50-70%的病例具有高置信度，对其最高评级的预测达到0.87的准确率。
在直接组织学比较中，Hetairos优于五位认证神经病理学家(0.68对0.30)。在常规诊断中的前瞻性评估证实了其性能，将周转时间从12天(分子测试)缩短至12分钟。
Hetairos通过缩小鉴别诊断范围和指导高效测试，支持儿科和成人CNS肿瘤全谱系的诊断决策。
【全文结束】