近日，由首都医科大学附属北京朝阳医院、石河子大学医学院第一附属医院、北京友谊医院、中日友好医院、广州医科大学附属第二医院、南京鼓楼医院联合透彻实验室共同完成的研究成果「Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis」正式发表于Digestive and Liver Disease。这项多中心研究的发布，标志着食管鳞状细胞癌（ESCC）的病理诊断正式迈入由多中心人工智能驱动的精准高效辅助决策时代。

作为全球范围内导致癌症相关死亡的主要原因之一，食管鳞癌在亚洲特别是中国呈现出极高的发病率，约占全球病例的85%。临床研究表明，通过内镜活检及时发现处于早期阶段或癌前病变的食管癌，能够将患者的五年总生存率从30%提升至90%以上。然而，全球病理医生普遍短缺、内镜活检标本量大，临床上迫切需要一种能够跨中心稳定运行、高效判读且具备良好解释性的智能辅助诊断工具。

针对这一挑战，透彻未来与六家医疗机构开发了名为AI-EDS的人工智能诊断系统，该系统基于1,104张全扫描数字病理切片进行训练，采用DeepLab v3+架构，实现对食管病变区域的像素级精准识别。在性能表现上，AI-EDS在内部测试集中展现出极其卓越的判读精度，AUC达到0.986，敏感度高达99.49%，准确率为95.36%。为了进一步验证系统的稳定性，研究团队跨越地域限制，在由四家不同医院提供的945张活检切片的独立外部验证集中开展了大规模测试。结果显示该系统表现极其稳定，AUC保持在0.966至0.998之间。

在与九位不同资历病理医生的人机对照研究中，AI-EDS单张切片的平均诊断耗时仅为15秒，相较于人工平均36.6秒的诊断时长提速超过一倍，这种效率的提升能够将病理医生从重复性的初筛工作中解放出来，从而更加专注于复杂疑难病例的深度分析。

值得关注的是，在手术切除样本及内镜黏膜下剥离术（ESD）标本的辅助诊断中，AI-EDS同样展现了优秀的跨场景泛化能力。这表明模型捕捉到食管鳞癌深层的组织病理特征，而非仅仅依赖于特定标本类型的表层形态规律。此外系统利用热力图可视化技术，清晰地标注出基底细胞异型性及早期浸润灶等组织病理特征分布。这一技术能够引导医生直接锁定高风险区域，有效降低了因人为视觉疲劳导致的微小癌灶漏诊风险。

该研究成果的发表，为食管鳞癌人工智能辅助诊断提供了坚实的大规模多中心临床证据，展示了数字化与智能化赋能的病理人工智能成果在标准化诊疗流程方面的巨大价值。透彻未来将持续深耕病理人工智能领域，将复杂的组织形态转化为精准、高效的数字化决策指标，让每一份病理切片都能成为守护生命的坚实基石。