编辑推荐：
【编辑推荐】针对数字病理AI模型临床转化率低的现状，研究人员通过系统范围综述分析了22项肺癌诊断AI模型的外部验证研究。研究发现亚型分类模型AUC达0.746-0.999，但存在数据集代表性不足（50%研究样本<500例）、回顾性研究占比73%（16/22）等局限性，提出了包含算法设计、研究设计、人群选择等维度的临床验证框架，为AI病理诊断工具的标准化评估提供循证依据。
肺癌作为英国癌症相关死亡的首要原因，每年导致约3.5万例死亡，其高死亡率与晚期诊断密切相关。令人震惊的是，I期肺癌患者的五年生存率可达65%，而IV期骤降至5%。随着英国等发达国家推行国家肺癌筛查计划，病理服务需求激增，数字病理结合人工智能(AI)技术被视为解决病理医师资源瓶颈的新希望。然而现实情况是，尽管已有FDA批准的AI病理产品如Paige Prostate，绝大多数肺癌诊断AI模型仍停留在实验室阶段——这背后的关键障碍正是缺乏严格的外部验证。
为系统评估这一领域的研究现状，由Barts Charity资助的研究团队在《npj Precision Oncology》发表了首项针对肺癌诊断AI模型外部验证研究的系统范围综述。研究人员检索了2010-2024年间医学与工程学数据库的4423篇文献，最终纳入22项研究（含2篇预印本），采用改良版QUADAS-AI-P工具进行质量评估。值得注意的是，在筛选过程中发现的239篇相关论文中，仅约10%进行了外部验证，凸显该领域临床转化研究的严重不足。
研究团队采用系统范围综述方法，通过多数据库检索策略获取文献，使用Covidence软件进行双盲筛选，并开发了专门针对AI数字病理的QUADAS-AI-P质量评估工具。关键分析维度包括：研究设计类型（回顾性/前瞻性）、数据集特征（公共/限制性数据集、样本量、多中心情况）、技术多样性处理方法（染色标准化/数据增强等）以及模型性能指标（重点分析AUC、敏感性等临床相关指标）。
【模型任务分布】纳入研究的AI模型主要执行五类诊断任务：①最常见的是亚型分类（16/22），特别是区分肺腺癌(LUAD)与肺鳞癌(LUSC)（13项）；②恶性与非恶性组织分类（14项）；③肿瘤生长模式分类（2项）；④生物标志物识别（2项）；⑤细胞类型分类（1项）。引人注目的是，多任务模型占比达64%（14/22），其中10项同时整合了亚型分类与良恶性判别功能。
【验证研究质量】质量评估显示：①86%研究（19/22）在"受试者选择/研究设计"域存在高风险偏倚，主因是使用非代表性回顾性数据集；②50%研究（11/22）在"图像选择"域存在高风险偏倚，源于未充分考虑不同中心间的技术差异；③仅32%研究在"参考标准"域表现为低风险。特别值得警惕的是，82%研究未充分报告人群 demographics特征，且仅3项研究提及参与者种族构成。
【性能与局限性】亚型分类模型展现出优异性能：平均AUC范围0.746（Mukashyaka等）至0.999（Kanavati等），但存在明显方法学缺陷：①样本量差异悬殊（20-2115例），45%研究（10/22）样本<500例；②73%研究（16/22）为回顾性设计，仅1项前瞻性研究；③单中心研究占比32%（7/22）；④仅55%研究（12/22）采用技术多样性增强措施；⑤临床指标报告不足，仅18%研究（4/22）提供敏感性/特异性数据。
【临床转化建议】基于研究发现，作者提出结构化验证框架：①算法设计阶段需明确定位（辅助工具/分诊工具）及目标人群；②推荐采用限制性多中心数据集（避免公共数据集样本重叠），最小样本量需预先计算；③必须包含技术多样性（不同扫描仪、染色方案等）；④报告应包含混淆矩阵、亚组分析及95%CI等临床相关指标。针对肺癌亚型分类的特殊价值，作者强调准确区分LUAD与LUSC直接影响治疗选择（EGFR抑制剂 vs 铂类化疗），而AI模型可节省染色试剂用于后续基因组分析。
这项研究的重要意义在于：首次系统揭示了数字病理AI模型在肺癌诊断领域面临"验证鸿沟"——虽然技术性能优异（亚型分类AUC中位数>0.9），但方法学缺陷严重阻碍临床转化。提出的验证框架不仅适用于肺癌，也为其他癌症AI诊断工具的评估提供范本。随着Virchow等基础模型（foundation model）的出现，该研究强调的严格外部验证原则将变得更加关键，特别是在英国推行肺癌筛查导致病理服务需求激增的背景下。未来需要开展更多前瞻性队列研究和RCT（如已注册的NCT05925764试验）来验证这些AI工具在真实临床环境中的价值。
生物通微信公众号
生物通 版权所有
