多模态AI病理测试预测乳腺癌复发并超越金标准

Ataraxis AI团队在《自然·通讯》（Nature Communications）发表论文，推出了一种基于多模态AI的乳腺癌预后预测测试系统。该技术无需额外的组织处理或基因组测序，仅依靠常规H&E染色切片与临床变量即可评估术后复发风险，有望比传统分子检测更早介入临床决策，引起了广泛关注。

技术架构与核心细节

该系统的底层病理信号来自Kestrel基础模型，这是一个拥有3.03亿参数的ViT-L模型，采用DINOv2方法在4.5万张切片的4亿个图像块上完成自监督预训练。在具体预测流程中，系统利用注意力多示例学习（attention-based MIL）将切片中的海量图像块压缩为整体表示，随后与基于CatBoost和AFT损失训练的临床模型融合，最终输出0-1之间的多模态风险评分。

临床验证与性能表现

在5个独立验证队列（共3502例患者）中，该AI测试预测无病生存期的C指数达到0.71，风险比为3.63。值得注意的是，在HR+/HER2-患者中，其表现（C指数0.67）超越了使用20年的临床金标准Oncotype DX（C指数0.61）。多变量分析显示，在控制Oncotype评分等因素后，AI测试仍保持独立的强预后价值（校正后风险比2.95）。此外，该模型在三阴性（C指数0.71）、HER2+（C指数0.67）以及此前基因组检测表现欠佳的黑人患者群体（C指数0.72）中均保持有效，还能预测HR+/HER2-患者的晚期复发（C指数0.79）。

后续模型升级

Ataraxis AI已将底层医学基础模型从Kestrel进一步扩展至Falcon（11亿参数，训练于20亿个patch），其临床应用范围也从癌症复发风险预测，拓展至辅助化疗获益评估与新辅助治疗反应预测。

2026-07-06 ~ 2026-07-06 · 11 条相关

一手来源