醫療科技 · asia
跨出歐美資料圈:攝護腺病理AI在伊拉克患者檢體中通過外部驗證
換了患者族群、實驗室與掃描設備,AI還能判讀可靠嗎?伊拉克185名患者的研究補上中東驗證資料缺口,分級一致性接近病理醫師彼此的水準,但距離日常診斷仍有關卡。
一套能讀懂歐美患者組織切片的AI,到了另一個醫療環境,未必仍能交出相同表現。患者組成、染色流程與影像設備,都可能改變模型看到的細節。10月10日刊於《Virchows Archiv》的研究,將攝護腺癌病理AI帶到伊拉克庫德斯坦地區的檢體上測試,為長期缺少驗證資料的中東族群補上一塊證據。
研究納入2013至2024年間185名患者的339張攝護腺穿刺活檢玻片,逐張以三種掃描器數位化,產生1,017張全玻片影像。這些影像來自同一批檢體,並非新增患者。模型的任務是辨識癌症,以及依組織結構進行Gleason分級;這項分級是評估攝護腺癌風險、討論治療選擇的重要依據。
團隊比較一個專為攝護腺病理打造的模型,以及UNI、Virchow2兩個基礎模型。基礎模型先從大量病理影像學習通用特徵,再用於特定判讀任務。較早的DDLS會議摘要已介紹同一批伊拉克檢體,並指出患者族群、實驗室環境與掃描設備均屬外部驗證條件;摘要中的初步成績,則應與正式論文結果分開看待。
研究報告的AI與病理醫師分級一致性,二次加權κ值為0.801,醫師彼此之間則為0.799。2025年12月公開的同研究預印本亦列出這組數值,比較的p值為0.9824。κ值衡量的是判讀一致程度,不能直接換算成「八成診斷正確」;兩者未見顯著差異,也不等於已證明AI與醫師在所有情境下等效。
設備差異是另一道考驗。同批玻片分別由Hamamatsu、Leica與Grundium掃描後,所有模型在各掃描器配對間的分級一致性κ值均超過0.90,包括較低成本的精巧型設備。這支持資源有限的實驗室先用較小規模的數位設備建立本地驗證資料,但模型在不同掃描器上給出相近答案,本身仍不能保證答案正確。
這份證據也有清楚邊界:研究採回溯設計,患者數有限,低分級癌症樣本偏少;三種設備的掃描仍在同一地點完成,尚未涵蓋不同實驗室人員與操作環境的變化。以醫師判讀作為比較基準,也無法回答AI是否能改善患者預後,或在日常工作中真正減少漏診與負擔。
論文明確指出,受測系統仍是研究演算法,尚未取得臨床診斷用途的監管核准。這次驗證提供了跨環境運作的技術證據,也讓更多地區有理由展開本地測試。接下來需要更廣泛的多中心研究與臨床流程評估,才能把切片上的一致性,轉化為患者實際得到的診斷效益。