理大研究团队开发可信人工智能框架TRUECAM 提升病理人工智能癌症诊断可靠性

癌症诊断结果直接影响患者的治疗方案及预后，甚至关乎生命。传统病理诊断主要依靠病理学家在显微镜下观察和分析组织切片，并凭借专业经验作出判断。近年，人工智能技术在病理诊断中的应用（简称「病理人工智能」）发展迅速，有助提升诊断效率及辅助临床决策。然而，现有人工智能模型仍缺乏完整且可验证的机制，以确保诊断结果的可靠性，限制了相关技术在高风险临床场景中的应用。

为应对这项挑战，香港理工大学（理大）工业及系统工程学系助理教授张晓革教授及其研究团队，创新研发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）。该框架可应用于全切片影像分析，用作非小细胞肺癌亚型分类，同时提升数据和人工智能模型的可验证可靠性，为病理人工智能在癌症诊断中的安全应用奠定重要基础。

TRUECAM旨在提升人工智能诊断癌症的可信度。它能评估人工智能对诊断结果的把握程度，并在结果存在较高不确定性时，或输入数据超出模型适用范围时主动提示医生复核；同时，框架可配合不同类型的人工智能模型，支援由病理影像到诊断结果的完整分析流程，协助医护人员更可靠地运用人工智能诊断结果。

该框架应用于全切片影像技术，即把玻璃载玻片上的组织切片扫描成高解像度数码影像，让医生可于电脑上以「虚拟显微镜」方式检视病理样本。研究结果显示，TRUECAM不仅适用于非小细胞肺癌亚型分类，亦可拓展至乳癌、脑癌和肾癌的亚型分类，甚至涵盖 46 个类别的泛癌切片分类，充分展现其广泛应用潜力及临床转化价值。

作为一套通用框架，TRUECAM可应用于不同规模、架构、用途和复杂程度的病理人工智能模型，支援负责任的临床应用。框架具备三大核心功能，包括识别「超出适用范围」的输入数据、自动筛选模棱两可及难以判断的图像区域，并采用「共形预测」技术，将诊断错误率控制在可接受的范围内。

研究团队在多个癌症数据集上，运用两类人工智能模型对TRUECAM进行系统性测试，包括针对特定任务的专用模型，以及具广泛应用潜力的基础模型。计算实验结果显示，套用 TRUECAM 的模型在分类准确度、稳定性、可解释性、数据使用效率及公平性等各方面，均较未套用的模型表现优胜。

张教授表示：「TRUECAM 在『完全由病理人工智能主导』和『完全由病理学家主导』的癌症诊断之间取得良好平衡。当人工智能对诊断结果信心较高时，系统可协助处理较明确的病例；至于不确定性较高的病例，则会被标记并交由病理学家作深入检视和临床判断。这种『人工智能与病理学家分工协作』的模式，有助提升诊断效率、减轻病理学家的工作负担、提高诊断可靠性，并扩大诊断服务规模。」

张教授补充：「目前已发表的研究主要聚焦于全切片影像，我们正进一步探索其他数据类型，例如分子谱，包括 RNA 定序和诊断报告等，以拓展框架的潜在应用范围。TRUECAM 为建立值得信赖的病理人工智能提供了一套系统化的解决方案，并为其日后在真实环境中的应用奠定更稳固的基础。」

这项研究题已发表于国际权威期刊《自然‧生物医学工程》（Nature Biomedical Engineering），并获国家自然科学基金委员会、香港研究资助局和深圳市科技计划的资助。

***完***