【大公报讯】记者郭如佳报道：癌症诊断结果直接影响患者的治疗方案及预后，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。人工智能技术近年在病理诊断中的应用发展迅速，然而现有AI模型仍缺乏完整且可验证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。香港理工大学（理大）的研究团队，研发一套可信人工智能（AI）框架，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AI模型的可验证可靠性，为癌症诊断奠定重要基础。

评估不确定性 提示医生覆核

研究已刊于国际权威期刊《自然‧生物医学工程》。理大工业及系统工程学系助理教授张晓革及其研究团队，研发的AI框架TRUECAM，能评估AI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覆核。同时，该框架可配合不同类型的AI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AI诊断结果。

适用范围涵46类泛癌切片

该框架应用于全切片影像技术，把组织切片扫描成高解像度数码影像，让医生于电脑上以「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。

TRUECAM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AI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。

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AI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。这种分工协作模式，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。」