蚂蚁集团旗下健康AI应用蚂蚁阿福的医疗AI团队，与河北医科大学第四医院（河北省肿瘤医院）胃癌研究团队合作，在肿瘤学顶级期刊《肿瘤学年鉴》（Annals of Oncology）上发表了一项研究：人工智能模型DeepComp能够在胃癌手术开始之前，利用常规增强CT与常规临床资料，同时预测患者术后发生中重度并发症的概率与长期生存风险。这是同一支团队近期登上顶级期刊的第三项研究，此前两项分别聚焦于术后早期复发和肝转移预测，已发表于《自然·通讯》（Nature Communications）。三项研究覆盖了胃癌患者从术前、术后到随访期的完整治疗旅程。

这项研究的核心，是解决传统TNM分期无法充分解释的临床困惑。河北医科大学第四医院副院长赵群指出，TNM分期作为沿用数十年的解剖学标准，能描述肿瘤浸润深度、淋巴结转移和远处转移，却无法反映肿瘤的生物学行为以及患者的整体状态。临床上，分期相同的患者预后可能截然不同，甚至出现分期良好却术后迅速复发或肝转移的案例。为弥补这一不足，双方团队将临床问题拆解为三个关键节点：术前预测中重度并发症风险、术后预测早期复发风险、随访期预测肝转移风险，并分别开发了DeepComp、RSA和RCSA三个AI模型。

DeepComp模型利用胃癌分期时常规采集的增强CT，从肿瘤本身、肿瘤周围微环境及患者身体成分三个层面提取信息，并结合常规临床资料，同时输出术后中重度并发症概率和长期生存风险。研究纳入了11家医疗中心的5237例患者，并用6项注册临床试验数据额外验证。在内部验证集中，模型AUC达到0.888，意味着模型有近九成把握将更高危的患者排在前面；在九个外部队列中，AUC保持在0.824至0.869，统计学上显著优于全部九种现有临床评分。人机对照试验显示，10位不同年资的外科医生在获得DeepComp辅助后，平均敏感性从47.1%升至87.9%，即能提前识别出近九成的高风险患者。

RSA模型则被研究者称为“数字活检”，它分析的是常规HE染色病理切片——手术切下的肿瘤组织经染色封片后的玻璃片，患者无需增加任何检查。该模型基于1763例患者建立，在内部队列、不同地区外部队列及前瞻性临床试验人群中验证，AUC为0.843至0.887，显著优于仅使用临床信息的传统模型。其价值在于在同一TNM分期内部进一步区分高危与低危，帮助医生为不同风险的患者制定差异化的随访和治疗策略。RCSA模型则融合术前CT影像组学特征、病理切片深度学习特征与临床信息，覆盖6家中心及公共数据库共1878例患者，AUC为0.862至0.909，将肝转移高风险患者的识别率从83.1%提高到92.3%，漏诊病例从44例减少到20例。

蚂蚁阿福医疗AI团队负责人吕乐和高级科学家杨森表示，团队选择与河北医大四院合作，看重的是对方十余年积累的高质量患者队列数据——从2012年开始，每一位患者的检验、检查、术后并发症和随访资料都被完整记录。这种严谨的临床数据正是AI模型最稀缺的土壤。双方合作中，医生与工程师经历了语言和思维的磨合，最终将临床困惑转化为可解的算法问题。团队强调，模型并非要取代医生，而是将医生已知的病理特征（如核分裂密度、肿瘤间质比例、免疫细胞分布等）联合起来做更全面的量化判断，并通过可解释性分析向医生展示每个特征的贡献。

目前，三项研究仍处于“第一阶段”，证据主要来自回顾性数据。团队计划下一步开展前瞻性随机对照试验（RCT），最终目标是进入临床指南。DeepComp的RCT验证已经启动。吕乐表示，研究的最终目标是让每一位进展期胃癌患者术前的增强CT都能通过AI辅助，获得更精准的风险分层和个体化治疗建议，从而降低复发、转移和并发症风险。这一路径也体现了蚂蚁阿福医疗AI团队对医疗AI的理解：让技术深入诊疗流程，配合医生解决真实影响患者预后的问题，而非让临床去适应技术。