用于现实临床应用的乳腺视觉病理学基础模型

病理学基础模型显示出很强的回顾性性能，但此类系统是否可以支持临床相关用途仍不清楚。这一挑战对于乳腺癌尤为重要，因为病理评估是诊断的金标准，并指导治疗计划、手术决策以及术前、术中和术后各阶段的风险分层。在这里，我们介绍 \textbf{BRAVE}，这是一种乳房适应性病理学基础模型，使用来自亚洲、欧洲和北美 32 个来源的 101,638 张乳房全切片图像资源进行开发和评估。我们使用包括回顾性基准、临床挑战性场景、面向工作流程的临床影响模拟、回顾性队列中锁定阈值的前瞻性观察验证以及交叉病理学家与人工智能交互研究的证据链，对 82 个队列的 34 项任务评估了 BRAVE，涵盖术前活检、术中冷冻切片和术后切除。在这些环境中，BRAVE 支持在临床工作流程中发挥实际作用，包括从常规审查中安全排除低风险病例、人工智能辅助对最初漏检的阳性结果进行二次审查抢救，以及对病例进行优先排序以供进一步评估。在三个中心的前瞻性验证中，BRAVE 排除了 76.9% 的阴性活检病例 (NPV 0.953) 和 70.1% 的阴性冰冻切片病例 (NPV 0.973)，并将 78.8% 的术后亚型病例分类为高置信度明确病例 (NPV 1.000)。在读者研究中，人工智能辅助将平衡准确率从 88.5% 提高到 95.1%（OR 3.14，P<0.001），效率、置信度和评分者间一致性更高。 BRAVE 衍生评分还独立预测无病生存（调整后 HR 4.79，P<0.001）和总生存（调整后 HR 8.14，P<0.001）。