具有现实世界验证的胃癌病理学基础模型

胃癌仍然是癌症死亡的主要原因，但其组织学和分子异质性使诊断和风险分层变得复杂。通用病理学基础模型 (PFM) 通常在胃癌护理核心的细粒度终点上趋于稳定，很少经过严格的前瞻性验证或临床读者研究。我们推出 GRACE，这是一种用于现实世界评估和临床决策支持的胃特异性基础模型。 GRACE 是根据多中心胃病理学数据集开发的，该数据集包含来自 37,493 名患者的 48,364 张主要 HE 染色的全切片图像。在 28 项临床相关任务上进行评估时，GRACE 始终优于代表性的泛癌 PFM，达到 0.9188 的宏观 AUC，在癌前病变诊断（宏观 AUC 0.9322）、肿瘤组织病理学评估（宏观 AUC 0.9119）、分子分析（宏观 AUC 0.8682）和预后预测方面表现强劲。除了基准测试之外，GRACE 的转化价值还通过严格的证据链得到证实。根据要求 100% NPV 排除和 100% PPV 排除的安全门控标准，GRACE 简化了对高达 69.6% 的恶性肿瘤诊断病例的审查，并对 46.8% 的 MMR-IHC 随访请求进行了分类。病理学家与人工智能合作的随机交叉读者研究进一步加强了这种转化的可行性。在 GRACE 的帮助下，诊断准确性从 82.0% 提高到 89.9%，调整后的正确诊断几率提高了近两倍 (OR 1.987)，同时敏感性和特异性也同时提高。 AI 辅助还将诊断时间缩短了 14.9%，将诊断置信度提高了 9.0%，并显着提高了评估者之间的一致性。当经过校准以保持不低于高级病理学家的性能时，人工智能辅助工作流程可以对 60.7% 的萎缩病例和 82.7% 的肠化生病例进行分类。