癌症診斷結果直接影響患者的治療方案及預後，甚至關乎生命。傳統病理診斷主要依靠病理學家在顯微鏡下觀察和分析組織切片，並憑藉專業經驗作出判斷。近年，人工智能技術在病理診斷中的應用（簡稱「病理人工智能」）發展迅速，有助提升診斷效率及輔助臨床決策。然而，現有人工智能模型仍缺乏完整且可驗證的機制，以確保診斷結果的可靠性，限制了相關技術在高風險臨床場景中的應用。
為應對這項挑戰，香港理工大學（理大）工業及系統工程學系助理教授張曉革教授及其研究團隊，創新研發出一套可信人工智能框架TRUECAM（TRustworthiness-focused, Uncertainty-aware, End-to-end CAncer diagnosis with Model-agnostic capabilities）。該框架可應用於全切片影像分析，用作非小細胞肺癌亞型分類，同時提升數據和人工智能模型的可驗證可靠性，為病理人工智能在癌症診斷中的安全應用奠定重要基礎。
TRUECAM旨在提升人工智能診斷癌症的可信度。它能評估人工智能對診斷結果的把握程度，並在結果存在較高不確定性時，或輸入數據超出模型適用範圍時主動提示醫生覆核；同時，框架可配合不同類型的人工智能模型，支援由病理影像到診斷結果的完整分析流程，協助醫護人員更可靠地運用人工智能診斷結果。
該框架應用於全切片影像技術，即把玻璃載玻片上的組織切片掃描成高解像度數碼影像，讓醫生可於電腦上以「虛擬顯微鏡」方式檢視病理樣本。研究結果顯示，TRUECAM不僅適用於非小細胞肺癌亞型分類，亦可拓展至乳癌、腦癌和腎癌的亞型分類，甚至涵蓋 46 個類別的泛癌切片分類，充分展現其廣泛應用潛力及臨床轉化價值。
作為一套通用框架，TRUECAM可應用於不同規模、架構、用途和複雜程度的病理人工智能模型，支援負責任的臨床應用。框架具備三大核心功能，包括識別「超出適用範圍」的輸入數據、自動篩選模棱兩可及難以判斷的圖像區域，並採用「共形預測」技術，將診斷錯誤率控制在可接受的範圍內。
研究團隊在多個癌症數據集上，運用兩類人工智能模型對TRUECAM進行系統性測試，包括針對特定任務的專用模型，以及具廣泛應用潛力的基礎模型。計算實驗結果顯示，套用 TRUECAM 的模型在分類準確度、穩定性、可解釋性、數據使用效率及公平性等各方面，均較未套用的模型表現優勝。
張教授表示：「TRUECAM 在『完全由病理人工智能主導』和『完全由病理學家主導』的癌症診斷之間取得良好平衡。當人工智能對診斷結果信心較高時，系統可協助處理較明確的病例；至於不確定性較高的病例，則會被標記並交由病理學家作深入檢視和臨床判斷。這種『人工智能與病理學家分工協作』的模式，有助提升診斷效率、減輕病理學家的工作負擔、提高診斷可靠性，並擴大診斷服務規模。」
張教授補充：「目前已發表的研究主要聚焦於全切片影像，我們正進一步探索其他數據類型，例如分子譜，包括 RNA 定序和診斷報告等，以拓展框架的潛在應用範圍。TRUECAM 為建立值得信賴的病理人工智能提供了一套系統化的解決方案，並為其日後在真實環境中的應用奠定更穩固的基礎。」
這項研究題已發表於國際權威期刊《自然‧生物醫學工程》（Nature Biomedical Engineering），並獲國家自然科學基金委員會、香港研究資助局和深圳市科技計劃的資助。
