Communications Medicine：PanSubNet从H&E切片推断胰腺癌分子亚型，内部AUROC 90.3%、外部84.0%

171例建出来的模型，不该被当成689例的结果

影响分析 × 药企研发负责人 ｜ 趋势前瞻 × 投资人与产业分析师 ｜ 深度研报

2026年10月6日，Communications Medicine在线发表PanSubNet：一个融合细胞形态与组织结构的深度学习模型，目标是仅凭常规H&E全片图像推断胰腺癌的经典型与基底样分子亚型。论文给出的两个核心数字是内部验证平均AUROC 90.3%、独立外部验证平均AUROC 84.0%。

对药企研发端来说，这条技术路线的吸引力不在准确率本身，而在于它指向一种更便宜、更快出结果的分子分型路径：如果一张常规染色切片就能给出亚型倾向，转录组检测的耗材、物流与周转时间就有被压缩的空间。但把论文读完会发现，支撑这个预期的证据基数比标题数字小得多。

开场：一张常规染色切片，能不能替代一次转录组检测

胰腺癌的经典型与基底样二分，是近年来转化研究里用得最多的一层分组。它影响预后判断与治疗策略的选择，而目前能稳定给出这层分组的，是转录组层面的检测。常规H&E切片则是最廉价、最普及的一类病理材料，几乎每一例手术或活检都会产生。

这两者之间隔着一层信息差：形态学能否承载分子层面的分型信号，是病理AI领域反复被追问的问题。PanSubNet的做法是把细胞形态与组织结构两类特征同时纳入，而不是单看细胞核的外观。这个设计方向值得记录，因为单一形态特征此前在这类任务上的表现并不稳定。

但需要先说清这里的替代是什么意思。论文展示的是从图像推断亚型标签的能力，而这个标签本身由转录组定义。也就是说，H&E在这里做的是拟合一个已有标注的代理变量，不是独立发现新的分子分层。这一点决定了它的天花板：它不会比它所学习的标签更准。

689例的来路：PanCAN加TCGA，配对才有用

689例的口径需要拆开看。它指的是同时具备组织学图像与RNA-seq数据的配对病例，其中胰腺癌行动网络队列506例、癌症基因组图谱TCGA 183例。配对是这项研究能成立的前提：没有同一批患者的两种数据，就没有可供监督学习的标签。

这也是这个领域最常见的约束。公开数据库里，有H&E图像的队列未必有配对转录组，有转录组的队列未必有可获取的全片图像。两个条件同时满足，样本量就会被迅速砍掉。689例已经是相当可观的配对规模，但它描述的是数据可得性的上限，不是模型训练用到的量。

另一个容易被略过的点是标签的来源。亚型由Moffitt 50基因特征定义，并经GATA6表达精化。这意味着标签本身来自一个分类器的输出，带有阈值设定。模型学到的是这个分类器在既定阈值下的判断结果，包括它的边界情形。标签有噪声，模型评估就带着这层噪声一起被衡量。

90.3%与84.0%：内部交叉验证和75例外部之间的落差

90.3%是五折交叉验证的结果，不是独立验证集上的成绩。五折交叉验证把171例高置信病例反复切分，轮流做训练与评估，优点是数据利用率高，缺点是各折之间共享同一批来源与同一套预处理流程。这类数字通常高于模型在真正陌生数据上的表现。

84.0%来自75例独立外部高置信病例。这个数字更能代表泛化能力，但75例的样本量决定了它的置信区间会很宽。两个数字之间6.3个百分点的落差本身就是一个可读的信号：它提示内部与外部之间的分布差异确实存在，只是量级还不足以被75例精确刻画。

论文同时用Kaplan-Meier与log-rank检验做了生存关联评估。这一步的意义在于把图像推断出的亚型与临床结局挂上钩，是向可用方向迈出的一步。但生存关联属于回顾性队列上的统计关联，它说明分组有预后区分度，不代表用图像分型去指导用药能改善结局。

171例与75例：真正喂给模型的数据有多少

这是本篇最需要说清的一层关系。689例是配对总人群，真正参与建模的高置信病例是171例训练、75例外测。把689写成模型样本量是最常见的转述错误，也是最容易被二次传播放大的错误，因为它直接把一个四倍多的数字安到了模型头上。

171例的规模在什么水平？对深度学习而言，这个量级用于训练一个融合多类特征的网络属于偏小。直接后果是方差大：模型对超参数、初始化与数据划分都比较敏感，五折交叉验证能在一定程度上平滑这个问题，但无法消除它。外部75例则只能提供一个粗略的量级确认。

从研发视角看，这个样本结构决定了现阶段的定位。它是一个方法学上走得通、但统计上还很薄的原型。要推进到可用于临床试验入组筛选或伴随诊断开发的程度，需要的是多中心、前瞻、且标签定义统一的队列，规模至少要在现有基础上再上一个台阶。

冷静观察：有望省的是成本与时间，现在还不是替代方案

先把没有的部分列出来。除内部五折交叉验证与75例外部验证外，论文未见前瞻性或多中心前瞻验证的设计，未见不同扫描仪与染色方案之间的系统性稳健性测试，未见与现行转录组分型在真实流程中的一致性对照，也未见任何FDA许可路径。这些缺席决定了它现在的身份是研究方法，不是可用工具。

因此正确的表述是：PanSubNet有望降低转录组分型的成本与周转时间，不能写成可以替代基因检测。它没有获得FDA许可，也没有被任何指南纳入。把它说成替代方案，会误导病理科与临床研究者对现有检测流程的判断。

对产业端的判断可以这样说：这条线的价值在于给出了一个可行的信号，即形态学里确实含有可被提取的亚型信息，值得投入更大的配对队列去验证。它降低了后续研究的试错成本，而不是已经交付了一个产品。

接下来该追问的是四件事。其一，171例与75例的高置信筛选标准是什么，被排除的500余例为何不合格，这决定了结论的适用范围。其二，Moffitt分类器阈值的变动会把AUROC推向哪里，标签敏感性必须被量化。其三，多中心前瞻验证何时启动，不同染色与扫描条件下的表现如何。其四，若要走向器械化，监管接受的临床效度证据会是什么形态。这四件事没有答案之前，任何关于替代的提法都应停留在假设层面。

原文链接：Communications Medicine

千方医数集编辑部 出品