【大公報訊】記者郭如佳報道：癌症診斷結果直接影響患者的治療方案及預後，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。人工智能技術近年在病理診斷中的應用發展迅速，然而現有AI模型仍缺乏完整且可驗證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。香港理工大學（理大）的研究團隊，研發一套可信人工智能（AI）框架，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AI模型的可驗證可靠性，為癌症診斷奠定重要基礎。

評估不確定性 提示醫生覆核

研究已刊於國際權威期刊《自然‧生物醫學工程》。理大工業及系統工程學系助理教授張曉革及其研究團隊，研發的AI框架TRUECAM，能評估AI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，該框架可配合不同類型的AI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AI診斷結果。

適用範圍涵46類泛癌切片

該框架應用於全切片影像技術，把組織切片掃描成高解像度數碼影像，讓醫生於電腦上以「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。

TRUECAM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AI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。

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AI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。這種分工協作模式，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。」