News Medical 6月23日报道，Vanderbilt Health与香港多家研究机构开发了一种名为TRUECAM的医学AI框架，用于处理数字病理人工智能中的不确定性问题。相关研究发表于《Nature Biomedical Engineering》。
医学AI的一个核心风险，是模型在遇到训练数据范围之外的输入时仍可能给出过度自信的判断。原文用图像识别举例：若模型只学过非洲哺乳动物，却遇到从未见过的美洲豹，它可能无法回答“未知”，而是错误地将其归为已知类别。在医学场景中，这类错误可能带来安全问题。
TRUECAM被设计为可包裹在数字病理AI系统外部的“wrapper”，主要功能包括识别超出适用范围的输入，以及过滤正常组织、染色不佳组织等非信息区域，避免这些区域干扰整张病理切片的推断。研究团队主要以非小细胞肺癌全切片图像亚型分类作为示范。
团队将TRUECAM用于一个常见的非小细胞肺癌亚型分类AI架构，以及四个较新的通用数字病理基础模型。测试材料包括来自两个不同地区癌症研究联盟的肺癌全切片图像、人工构建的临床相关超范围图像，以及香港玛丽医院的真实世界连续图像；研究还扩展到乳腺、脑和肾等多器官癌组织。
研究者称，TRUECAM相较既有不确定性量化方法更准确、较快速且成本增加有限。它可识别超范围输入，在困难样本上选择不分类并转交病理医生，且能让错误率符合预先设定目标。团队还报告，该框架改善了不同性别和种族群体间的公平性表现，并可推广至肺癌以外的数据集。
需要注意的是，这项研究显示的是数字病理AI安全部署的一种技术路径，而非AI可独立完成癌症诊断。临床使用仍需病理医生复核、外部数据验证、质量控制和监管审查。
原文链接：http://www.news-medical.net/news/20260623/New-TRUECAM-wrapper-makes-medical-artificial-intelligence-more-trustworthy.aspx
免责声明：本文仅供医学资讯参考，不构成病理诊断、AI医疗产品选择或临床决策建议。癌症诊断应以专业病理和临床评估为准。
