人工智能病理模型诊断肝内胆管癌研究

法国巴黎东部大学Calderaro等报告的研究证明，基于置信度的人工智能生物标志物在辅助诊断肝癌方面具有实际临床效用。该工具通过准确区分肝内胆管癌（ICCA）与转移癌，有望减少不必要的检查并加速治疗决策。（Ann Oncol. 2026年3月5日在线版）

ICCA是一种罕见但高致死性的腺癌，起源于肝实质内。其诊断面临重大临床挑战，因为ICCA的组织学特征与转移性肝癌高度重叠。这种诊断模糊性常常需要进行广泛且昂贵的排除性检查，例如上下消化道内镜检查，以排除隐匿性原发灶。因此，这一过程导致治疗延迟，并增加了医疗系统的经济负担。

该研究回顾性分析了欧洲五个中心的544例患者，包括ICCA病例和肝外癌症转移病例。研究调查了三种基于基础模型的深度学习架构：Ctranspath/HistoBistro、UNI/CLAM和CONCH/TITAN。研究使用受试者工作特征曲线下面积（AUROC）和假阳性率（FPR）评估性能。最终的AI2CCA模型在法国、印度和韩国四个国际中心的161例患者中进行了前瞻性验证。

在回顾性测试集中，CONCH/TITAN架构取得了最佳性能（AUROC：0.840）。通过G-ODIN得出的预测熵在错误分类病例中显著更高，验证了其作为置信度指标的效用。实施置信度阈值设定后，AUROC提高至0.958，FPR为0，同时保留了46%的样本进行高置信度预测。在前瞻性验证中，AI2CCA在法国队列和亚洲队列中分别取得了1.00和0.965的AUROC。 （编译 何玉泽）