对于许多刚做完乳腺癌切除手术的患者来说，最煎熬的不仅是等待伤口愈合，还有接下来的灵魂拷问：“医生，我还需要做化疗吗？”
在所有乳腺癌患者中，大约有70%属于“激素受体阳性、HER2阴性”的早期乳腺癌。对于这部分群体，手术往往能切除绝大部分肉眼可见的肿瘤，但术后是否需要辅以化疗来防止复发，一直是医学界面临的巨大挑战。传统的判断方法主要依靠医生的临床经验，参考患者的年龄、肿瘤大小、组织学分级等常规指标。然而，这些指标往往不够精确。结果就是，一些本不需要化疗的患者白白遭受了脱发、恶心、免疫力下降等痛苦的副作用；而另一些真正存在高复发风险的患者，却可能因为未被及时发现而错失了最佳治疗时机。
为了解决这个难题，医学界诞生了一项革命性技术——多基因表达检测（例如著名的Oncotype DX 21基因检测）。这种检测能够深入分析肿瘤组织中的分子基因特征，给出一个精准的“复发评分”，从而明确指出患者到底能不能从化疗中获益。目前，这已经是美国相关权威指南唯一推荐的化疗决策“黄金标准”。
但是，这项先进技术的普及却举步维艰。一次基因检测的费用高达约3500美元，且往往需要把样本跨国邮寄、经历数周的漫长等待。在许多医疗资源匮乏的国家和地区，绝大多数普通老百姓根本无力承担这项昂贵的服务。
那么，有没有一种既便宜又极为准确的方法，能让全世界的患者都能享受到这种级别的“精准医疗”呢？近期，由多国科学家联合组成的科研团队在国际顶尖肿瘤学期刊《柳叶刀·肿瘤学》（The Lancet Oncology）上发表了一项重磅研究：他们成功开发了一款强大的人工智能（AI）模型，仅仅通过让AI“看一眼”每家医院都能做、成本极低的常规病理切片，就能极其准确地预测出患者的复发风险和化疗收益，效果堪比数千美元的基因检测。
在日常的病理科检查中，医生最常做的一件事就是将切下来的肿瘤组织进行苏木精-伊红（H&E）染色，制作成玻璃切片放在显微镜下观察。这种切片技术在全球任何一家基础医院都能完成，成本不到1美元。
研究团队的大胆构想是：既然肿瘤的基因突变最终会引起细胞形态和组织结构的改变，那么只要AI的“视力”足够好，是不是就能直接从这些常规切片的图案中反推出基因检测的结果？
为此，研究人员调用了一个在大规模数据上预训练过的“基础大模型”。这个大模型此前已经学习过超过17万张组织病理学切片，见识过极其丰富的细胞形态。在此基础上，科研团队构建了一个多模态的深度学习系统。如图[1]所示，这套系统的运行流程非常清晰：首先，医院日常诊断用的全切片图像会被输入系统，AI会自动识别出有用的组织区域，并将其切割成一个个小图块；接着，基础大模型会从中提取出肉眼难以察觉的微观特征；最后，结合患者简单的临床指标（如激素受体状态），AI就能直接计算出一个等同于“21基因检测”的复发风险评分。
通过这种方式，AI不仅关注了癌细胞本身的特征，还捕捉到了肿瘤微环境中与复发风险密切相关的隐藏信息，从而实现了从“形态”直接测算“基因风险”的跨越。
在此之前，其实也有不少科学家尝试用AI看切片来预测患者的生存期。但这些研究都面临一个致命的硬伤：在现实的看病过程中，医生出于安全考虑，几乎总是会给看起来“高风险”的患者开具化疗处方。这种人为的干预使得科学家很难客观地去验证——如果不做化疗，这些高风险患者的真实结局会怎样。也就是说，之前的AI大部分只能预测“你会不会复发”，却没法严谨地回答“你到底需不需要化疗”。
为了攻克这个验证难题，研究团队动用了乳腺癌研究领域极其珍贵的随机对照临床试验数据（TAILORx）。这项试验在全球范围内追踪了上万名患者，最宝贵的是，试验中有一大批处于中等风险的患者是被“随机抽签”决定是否接受化疗的。这就完美排除了医生人为选择的干扰，成为了检验AI预测实力的绝佳舞台。
研究团队提取了其中经过严格质控的8284名患者的切片数据，对AI进行训练和测试。结果令人振奋：在识别极高基因复发风险（对应基因评分≥26分）的病患时，AI的准确度极高（AUC值达到0.898），几乎与真实的昂贵基因检测结果完美契合。在测试群体中，AI成功将大约45.6%的患者判定为低风险，42.4%为中风险，12.0%为高风险。
那么，AI的这一纸“判决”，真的能精准指导化疗吗？如图[2]所示，研究人员将患者按照绝经状态和AI评分进行了细致的拆解分析。从图表中我们可以清晰地看到AI评分与化疗真实收益之间的密切联系：对于尚未绝经（绝经前）且被AI揪出属于“高风险”的女性，化疗展现出了显著的保护威力——它大幅降低了复发概率，显著提升了患者的无病生存率，实打实地救了命。然而，对于绝经后且被AI盖章为“低风险”的患者群体，接受化疗和不接受化疗的生存曲线几乎重叠，这意味着化疗并没有给她们带来任何额外的生存好处，如果强行化疗，只能是白白遭受毒副作用的折磨。
这一发现彻底证明了，AI不只是在看图说话给出一个冷冰冰的分数，而是真正具备了“指导实战”的能力，明确指出了哪些人必须咬牙坚持化疗，哪些人可以放心大胆地省下这笔钱并免受皮肉之苦。
为了证明这个AI不是只能在实验室里跑数据的“花瓶”，研究团队将它拉到了真实的全球医疗环境中进行了一场大考。他们收集了来自美国、澳大利亚和以色列等6个独立医疗机构、总计近5500名患者的切片数据。这些切片有着不同的染色习惯、使用了不同的扫描仪，患者的人种和基因背景也各不相同。
令人吃惊的是，在如此复杂的“真实世界”考验下，AI依然稳如泰山，预测极高复发风险的准确率（AUC）稳定在0.858到0.903之间。这意味着，无论是在发达国家的顶级医院，还是在医疗条件有限的普通诊所，只要有一台能扫描病理切片的机器，这个AI就能稳定发挥作用。
更具颠覆性的是，AI不仅能替代基因检测，还极大地纠正了传统临床经验带来的“误判”。在没有基因检测的年代，医生通常依靠肿瘤大小、分级等常规指标来划分风险（即临床风险）。但这往往会导致“宁可错杀一千，不可放过一个”的过度治疗。
如图[3]所示，研究人员对比了传统的“临床风险”和“AI风险”之间的重新分类情况。从这张详细展示患者风险评级流向的图表中，我们可以发现一个惊人的事实：在绝经后、被传统临床标准判定为“高风险”而理应接受化疗的女性中，有高达31.3%（151人）被AI降级为了“低风险”；甚至在传统认为情况更严重、淋巴结已经转移的绝经后患者中，有40.7%（350人）也被AI重新归类为安全的低风险组。后续的数据追踪证实，这些被AI“摘掉高危帽子”的患者，确实无法从化疗中获得任何生存益处。这就意味着，AI的介入直接把这群女性从毫无意义的化疗毒副作用中解救了出来。
与此同时，AI也没有漏掉真正的危险分子。图表中也显示，有大约5%的绝经前年轻患者，原本在临床上被认为是安全的“低风险”，却被AI敏锐地捕捉到并升级为“高风险”，从而让她们抓住了化疗这根救命稻草。
当1美元的常规切片遇上深度学习，曾经高高在上的精准医疗终于有了走进寻常百姓家的可能。在未来，也许偏远地区的一台普通显微镜加上一根网线，就能为每一位乳腺癌患者量身定制最合适的治疗方案。这场由AI驱动的病理学革命，究竟会多快彻底重塑全球的肿瘤诊疗格局？答案或许就在下一张被数字化的切片之中。
本文由超能文献“资讯AI智能体”基于4000万篇Pubmed文献自主选题与撰写，并经AI核查及编辑团队二次人工审校。内容仅供学术交流参考，不代表任何医学建议。
分享
本文揭示了顶级足球豪门伤病潮的深层原因：缺乏“分布式态势感知”（DSA），即整合各部门信息的“共享大脑”，而非设备或数据不足。文章强调，专业分工和数据孤岛导致信息脱节，影响决策。解决之道在于构建“蜂巢思维”，通过统一语言、实时数据共享和跨部门简报，实现全队认知集成，以提升球员保护和竞技表现。AI的介入也需遵循此原则，避免成为新的信息壁垒。文章认为，看不见的“共享大脑”是未来足球竞争的关键软实力。
长新冠患者轻度认知障碍发病率达27%，风险高出近4倍，一项严谨研究揭示“脑雾”并非普通疲劳，而是与阿尔茨海默病相似的实质性认知受损。
新型RNA疗法通过结合油酸解决了药物难以进入骨骼肌的难题，有望逆转强直性肌营养不良1型（DM1）的病情，并在多项实验中展现出高效性和安全性。
一项60人随机对照试验揭示，即使是科研级的详细食谱指南和教学视频，也未能显著提高“新手厨师”制作圣诞蛋白糖霜树的成功率，挑战了“复现危机”的解决方案。
福建省立医院研究团队在《Gut Microbes》刊文，揭示新生儿脑损伤（HIBD）后，肠道菌群失调通过“肠漏”和神经炎症加剧长期认知障碍。粪便菌群移植实验证实其因果关系，并发现口服地塞米松和TLR4抑制剂可阻断此恶性循环，为治疗HIBD及相关认知障碍提供新策略。
欧洲900家医院调查揭示，败血症诊断存在致命延误：采血不规范、实验室24/7服务不足以及快速检测技术普及率低，导致患者救治“黄金时间”被无情偷走，急需系统性改进。
