在癌症诊疗领域，肿瘤微卫星状态（微卫星稳定/不稳定）是决定治疗预后的关键指标。约三分之一人群终身患癌的现实使该研究意义重大：高微卫星不稳定性（MSI-H）肿瘤患者相比稳定型患者具有更佳预后，且错配修复缺陷肿瘤对免疫检查点抑制剂（ICIs）响应显著优于传统化疗。
研究团队针对现有深度学习模型（如卷积神经网络和视觉变换器）存在的两大缺陷——无法量化预测不确定性和缺乏ICI疗效预测机制，开发了创新AI模型MSI-SEER。该模型基于深度高斯过程的贝叶斯框架，通过弱监督学习分析苏木精-伊红染色的全切片病理图像，其核心突破在于：
- 不确定性量化系统：通过蒙特卡洛丢弃法估算预测方差，转化为贝叶斯置信度评分（BCS），实现AI自我置信度评估。当BCS低于阈值时，系统自动标记高不确定案例交由病理专家复核，构建AI-人类协作诊疗框架。
- 多维预测能力：整合微卫星状态与基质-肿瘤比双重参数，不仅实现胃癌、结直肠癌的精准分类（性能达国际领先水平），更首次揭示肿瘤微环境中MSI-H区域空间分布与ICI响应的关联机制。
"我们的技术已具备前瞻性队列监测的临床应用潜力。"郑宰镐教授强调，"该研究不单是特定AI模型的突破，更重要的是为临床多模态数据分析提供了可解释、可信赖的算法范式。"团队使用多族裔大型数据集验证，模型在免疫治疗响应预测方面表现优异，其瓦片级预测功能可深入解析肿瘤微环境异质性对治疗的影响。
这项发表于《npj数字医学》（2025年5月19日在线发表）的研究，标志着AI辅助诊疗系统向"知其不知"的高阶可靠性迈进，为精准肿瘤医学开辟新路径。
【全文结束】
