La Trobe 开发 SÉMIL 病理 AI，识别二期肠癌患者复发风险

La Trobe 开发 SÉMIL 病理 AI，用于识别二期肠癌复发高风险患者

La Trobe University 的研究人员开发出一款名为 SÉMIL 的 AI 算法，用于分析病理切片，识别二期肠癌患者在术后发生复发的风险。

模型如何工作

SÉMIL 主要评估肿瘤在侵袭前沿的生长模式。研究团队认为，这一特征具有明确的预后价值，但目前在临床上主要依赖病理医生人工判断，而不同病理医生之间的一致性并不总是理想。

项目负责人、La Trobe School of Computing, Engineering and Mathematical Sciences 博士生 Francis Magisson 表示，侵袭前沿本身就是众所周知的重要预后因素，但目前仍主要依赖肉眼评估，而病理医生之间并不总能达成一致。

模型先在 Austin Health 的 388 例三期肠癌病例上完成训练。训练数据中的切片由 Olivia Newton-John Cancer Research Institute 的胃肠病理专家标注为 infiltrative 或 expansile 两类生长模式。研究团队还把这些切片的文字描述一起用于训练，以提升模型面对未见样本时的可靠性。

研究结果

研究团队随后在 Austin Health 队列和两个外部队列中，对超过 1220 名二期肠癌患者进行了验证。

发表在 Gastroenterology 的研究结果显示，SÉMIL 能识别出一组在 5 年内具有更高复发风险的患者。Magisson 表示，被模型标记为高风险的患者，在 5 年内复发的风险大约是普通患者的两倍，而且这一结果独立于既有临床风险因素。

研究还发现，如果把 AI 评估结果与病理医生的判断结合起来，风险分层的准确性会进一步提高。

临床价值与落地潜力

研究团队认为，SÉMIL 未来有望帮助临床医生为高风险患者做出更精准的治疗决策。

他们同时强调，这一模型可以整合进现有数字病理工作流，不需要额外增加组织样本，也不依赖昂贵检测。团队还提到，未来若能把基于 AI 的病理评估与新兴生物标志物结合，或许能进一步优化风险分层和治疗规划。

为什么这件事值得关注

肠癌是澳大利亚第四常见的癌症，也是癌症死亡的第二大原因。对于哪些高风险患者应该接受治疗，临床上一直存在判断难题，尤其是在需要权衡辅助化疗潜在收益和副作用的情况下更是如此。按照澳大利亚临床指南，术后化疗仍是目前主要推荐方案。

后续计划

在完成这项预后研究后，La Trobe 团队计划与其他机构合作，在更多患者人群中继续测试 SÉMIL。不过，团队尚未披露具体的临床试点、监管申报计划或常规临床使用时间表。

Magisson 也表示，在模型真正用于治疗决策之前，还需要进一步评估不同风险分组中的治疗收益，并在不同国家的患者队列中完成更多验证。