基于病理学基础模型微调的肺癌EGFR突变AI检测系统EAGLE的临床转化研究

本研究针对肺癌诊疗中EGFR突变检测面临的组织消耗大、检测周期长等问题，开发了基于H&E染色切片的人工智能模型EAGLE。通过国际多中心8,461例样本验证，该系统在内部（AUC 0.847）和外部验证（AUC 0.870）中均展现临床级准确性，前瞻性静默试验达AUC 0.890，可减少43%快速检测需求，为保留组织用于NGS测序提供创新解决方案。

肺癌作为全球癌症死亡的首要原因，其中肺腺癌（LUAD）占比最高，而EGFR突变是指导靶向治疗的关键生物标志物。然而临床实践中，24-28%的病例因组织不足或检测延迟未能完成EGFR检测，导致患者错失一线TKI治疗机会。传统PCR检测虽快但敏感性仅85-90%，且消耗珍贵组织样本。这一困境催生了Memorial Sloan Kettering Cancer Center（MSKCC）和Icahn School of Medicine at Mount Sinai的研究团队开展突破性研究——开发基于常规H&E切片的AI预测系统EAGLE，相关成果发表于《Nature Medicine》。

研究团队采用三大关键技术：1）基于国际多中心8,461例LUAD样本构建数据集，涵盖原发灶和转移灶；2）微调开源病理基础模型Prov-GigaPath ViT-g，采用门控多实例学习（GMA）聚合器整合切片特征；3）设计前瞻性静默试验流程，实时模拟临床部署场景，记录从分子送检到结果输出的全流程时间节点。

研究结果：
Idylla性能与快速检测基准
对比1,685例MSK-IMPACT测序结果，Idylla快速检测敏感性0.918，阴性预测值（NPV）0.954，证实其作为金标准参照的可靠性。

基础模型微调性能
内部验证显示原发灶检测性能（AUC 0.90）显著优于转移灶（AUC 0.75），淋巴结转移灶检测AUC低至0.74。组织面积与模型性能呈正相关，10%最小组织量的样本AUC降低15%。

外部验证一致性
跨国验证中，模型在MSHS（AUC 0.870）、SUH（AUC 0.772）、TUM（AUC 0.808）和TCGA（AUC 0.860）保持稳定，不同扫描仪间预测分数Pearson相关系数达0.828-0.935。

静默试验验证临床适用性
197例前瞻性样本达到AUC 0.890。当设定NPV/PPV阈值为0.038/0.995时，可减少43%快速检测需求，同时维持NPV 0.963和PPV 0.984。AI结果中位产出时间仅44分钟，远快于Idylla的48.78小时。

模型可解释性分析

exon20插入等激酶活化事件，假阴性样本多为含血细胞或肿瘤结构破坏的活检。'>

结论与意义：
该研究首次实现病理AI模型从概念验证到临床落地的跨越。EAGLE系统通过三大创新突破：1）采用病理基础模型实现跨中心、跨扫描仪泛化；2）首创"AI优先"工作流，将EGFR检测前移至病理初诊环节；3）通过组织节约效应使NGS检测失败率降低25%。尤为重要的是，静默试验证实其可整合至现有临床路径而不改变标准流程，为后续ALK、ROS1等靶点检测模型开发奠定范式。随着EAGLE代码和模型权重开源，这项技术有望在全球范围内解决分子检测资源不均等难题，推动精准医疗普惠化。