全文概要
11 月 14 日,《自然·通讯》(Nature Communications)发表了一项宫颈病理 AI 系统 CerS-Path 的研究。该系统基于约 1.9 亿个组织块的宫颈专用自监督学习构建特征提取器,并结合 250 万图像-文本对进行多模态增强,整合了形态诊断、预测分析与多模态等八项功能。在基准测试中,CerS-Path 在 30 项诊断任务中的 26 项上超越了通用病理基础模型;在六个独立队列的多中心回顾性与前瞻性验证中,对临床相关病变的检测敏感度最高达 99%。研究作者机构包括清华大学深圳国际研究生院、宁波临床病理诊断中心、苏州大学附属第一医院及牛津大学等。
【开头配图Opening】
1. 专科模型为何胜过通用大模型
通用病理基础模型从多器官、多疾病数据中学习,具备广度,但对某一亚专科中罕见或细微的特征往往不够敏感。CerS-Path 反其道而行,先以约 1.9 亿个组织块(提取自 14 万张宫颈全切片图像)训练宫颈专用特征提取器,第二阶段再引入 250 万图像-文本对进行多模态增强。
这种"为诊断工作本身而建"的设计带来了可量化的优势:在论文基准中,CerS-Path 在 30 项诊断任务中的 26 项上优于对比的通用基础模型。这一结果与既往"任务专用模型在标注数据充足时可匹敌甚至超越基础模型"的结论相呼应。
2. 前瞻性验证:筛查敏感度超 99%
研究团队将多项功能整合进数字病理平台,并对 2024 年 8 月至 2025 年 5 月间收集的 3173 张切片进行了涵盖五家中心的前瞻性评估,考察三类应用:临床相关病变检测、癌症亚型分类以及宫颈腺癌 Silva 浸润模式分型。
在病变筛查方面,宁波、金华及湖北妇幼保健中心三个队列的前瞻性敏感度分别达到 99.38%、99.22% 和 99.09%,各队列特异度均保持在 84% 以上。高敏感度意味着系统在这些队列中漏掉的临床相关病变极少,而特异度同样重要——假阳性会带来额外的复核、检查与患者焦虑。
3. 定位与边界:辅助病理医生而非替代诊断
CerS-Path 分析的是活检或手术标本数字化后的组织切片,它并不替代 HPV 疫苗接种、初筛或获取组织的临床决策,而是在筛查确定需要进一步评估的人群之后,辅助病理医生完成显微镜下的阅片工作。
需要理性看待的是,目前的前瞻性测试主要在中国医疗中心内完成,评估的是诊断性能而非患者结局,且病理医生在平台辅助下工作,研究支持的是"临床工作流内的辅助"而非无监督自主诊断。不同人群、扫描仪、染色流程与实验室实践下的表现可能有所差异。后续应在更多国家锁定模型并验证,报告按病变类型与患者亚组的分层表现,并跟踪假阳性/假阴性对诊疗决策的实际影响。
这一研究也支撑了一个更宏观的趋势:当训练数据与任务高度匹配时,专科医学模型能够超越更大的通用系统,为 HPV 筛查扩面带来的巨大活检阅片负担提供切实的减压方案。
来源:《自然·通讯》发表论文(DOI 10.1038/s41467-026-79121-4)及相关报道。

声明:本文资讯来源于公开报道及学术期刊,仅作行业信息传播,不构成临床用药建议。转载需注明来源。
- 1. 专科模型为何胜过通用大模型
- 2. 前瞻性验证:筛查敏感度超 99%
- 3. 定位与边界:辅助病理医生而非替代诊断






