理大研發可信病理AI框架 TRUECAM　可評估不確定性、主動提示覆核　助安全應用於癌症診斷

香港文匯報訊（記者 楊梓穎）隨着醫療數碼化加速、癌症個案持續增加，如何在提升診斷效率的同時確保結果可靠，成為病理診斷邁向智能化的關鍵課題。近年人工智能（AI）在病理影像分析上的應用進展迅速，為臨床決策提供新工具，但在高風險場景中，模型輸出若欠缺可驗證的可靠性與「不確定性提示」機制，仍難以全面融入臨床流程。

為應對上述挑戰，香港理工大學（理大）工業及系統工程學系助理教授張曉革及其研究團隊，研發出一套可信人工智能框架 TRUECAM。該框架可用於全切片影像分析，針對非小細胞肺癌進行亞型分類，並同時提升數據及人工智能模型的可驗證可靠性，為病理人工智能在癌症診斷中的安全應用奠定基礎。該研究已發表於國際期刊《自然‧生物醫學工程》，並獲國家自然科學基金委員會、香港研究資助局及深圳市科技計劃資助。

TRUECAM 的核心目標在於提升人工智能診斷癌症的可信度。框架可評估人工智能對診斷結果的把握程度，當結果存在較高不確定性、或輸入數據超出模型適用範圍時，系統會主動提示醫生覆核。另一方面，TRUECAM 具備模型無關（model-agnostic）特性，可配合不同類型的人工智能模型，支援由病理影像到診斷結果的完整分析流程，協助醫護更可靠地使用人工智能輸出。

研究以全切片影像技術為應用場景，即把玻璃載玻片上的組織切片掃描成高解像度數碼影像，讓醫生可在電腦上以「虛擬顯微鏡」方式檢視病理樣本。研究結果顯示，TRUECAM 不僅適用於非小細胞肺癌亞型分類，也可拓展至乳癌、腦癌及腎癌的亞型分類，甚至涵蓋 46 個類別的泛癌切片分類，展現廣泛應用潛力與臨床轉化價值。

作為通用框架，TRUECAM 可應用於不同規模、架構、用途與複雜程度的病理人工智能模型，以支援負責任的臨床應用。框架具三大核心功能，包括識別「超出適用範圍」的輸入數據；自動篩選模棱兩可及難以判斷的圖像區域；並採用「共形預測」技術，把診斷錯誤率控制在可接受範圍內。

研究團隊在多個癌症數據集上，運用兩類人工智能模型對 TRUECAM 進行系統性測試，包括針對特定任務的專用模型，以及具廣泛應用潛力的基礎模型。計算實驗結果顯示，套用 TRUECAM 的模型在分類準確度、穩定性、可解釋性、數據使用效率及公平性等方面，均較未套用框架的模型表現更佳。

張曉革指出，TRUECAM 在「完全由病理人工智能主導」與「完全由病理學家主導」的癌症診斷之間取得良好平衡：當人工智能對診斷結果信心較高時，系統可協助處理較明確病例；不確定性較高的病例則會被標記，交由病理學家深入檢視並作臨床判斷。這種「人工智能與病理學家分工協作」模式，有助提升診斷效率、減輕病理學家工作負擔、提高診斷可靠性，並擴大診斷服務規模。

他補充，現階段已發表研究主要聚焦全切片影像，團隊正進一步探索其他數據類型，例如分子譜，包括 RNA 定序與診斷報告等，以拓展框架潛在應用。TRUECAM 旨在為建立值得信賴的病理人工智能提供系統化解決方案，並為日後在真實環境中的落地應用奠定更穩固基礎。