螞蟻集團旗下健康AI應用螞蟻阿福的醫療AI團隊，與河北醫科大學第四醫院（河北省腫瘤醫院）胃癌研究團隊合作，在腫瘤學頂級期刊《腫瘤學年鑑》（Annals of Oncology）上發表了一項研究：人工智慧模型DeepComp能夠在胃癌手術開始之前，利用常規增強CT與常規臨床資料，同時預測患者術後發生中重度併發症的機率與長期生存風險。這是同一支團隊近期登上頂級期刊的第三項研究，此前兩項分別聚焦於術後早期復發和肝轉移預測，已發表於《自然·通訊》（Nature Communications）。三項研究覆蓋了胃癌患者從術前、術後到隨訪期的完整治療旅程。

這項研究的核心，是解決傳統TNM分期無法充分解釋的臨床困惑。河北醫科大學第四醫院副院長趙群指出，TNM分期作為沿用數十年的解剖學標準，能描述腫瘤浸潤深度、淋巴結轉移和遠處轉移，卻無法反映腫瘤的生物學行為以及患者的整體狀態。臨床上，分期相同的患者預後可能截然不同，甚至出現分期良好卻術後迅速復發或肝轉移的案例。為彌補這一不足，雙方團隊將臨床問題拆解為三個關鍵節點：術前預測中重度併發症風險、術後預測早期復發風險、隨訪期預測肝轉移風險，並分別開發了DeepComp、RSA和RCSA三個AI模型。

DeepComp模型利用胃癌分期時常規採集的增強CT，從腫瘤本身、腫瘤周圍微環境及患者身體成分三個層面提取資訊，並結合常規臨床資料，同時輸出術後中重度併發症機率和長期生存風險。研究納入了11家醫療中心的5237例患者，並用6項註冊臨床試驗資料額外驗證。在內部驗證集中，模型AUC達到0.888，意味著模型有近九成把握將更高危的患者排在前面；在九個外部佇列中，AUC保持在0.824至0.869，統計學上顯著優於全部九種現有臨床評分。人機對照試驗顯示，10位不同年資的外科醫生在獲得DeepComp輔助後，平均敏感性從47.1%升至87.9%，即能提前識別出近九成的高風險患者。

RSA模型則被研究者稱為“數字活檢”，它分析的是常規HE染色病理切片——手術切下的腫瘤組織經染色封片後的玻璃片，患者無需增加任何檢查。該模型基於1763例患者建立，在內部佇列、不同地區外部佇列及前瞻性臨床試驗人群中驗證，AUC為0.843至0.887，顯著優於僅使用臨床資訊的傳統模型。其價值在於在同一TNM分期內部進一步區分高危與低危，幫助醫生為不同風險的患者制定差異化的隨訪和治療策略。RCSA模型則融合術前CT影像組學特徵、病理切片深度學習特徵與臨床資訊，覆蓋6家中心及公共資料庫共1878例患者，AUC為0.862至0.909，將肝轉移高風險患者的識別率從83.1%提高到92.3%，漏診病例從44例減少到20例。

螞蟻阿福醫療AI團隊負責人呂樂和高階科學家楊森表示，團隊選擇與河北醫大四院合作，看重的是對方十餘年積累的高質量患者佇列資料——從2012年開始，每一位患者的檢驗、檢查、術後併發症和隨訪資料都被完整記錄。這種嚴謹的臨床資料正是AI模型最稀缺的土壤。雙方合作中，醫生與工程師經歷了語言和思維的磨合，最終將臨床困惑轉化為可解的演算法問題。團隊強調，模型並非要取代醫生，而是將醫生已知的病理特徵（如核分裂密度、腫瘤間質比例、免疫細胞分佈等）聯合起來做更全面的量化判斷，並通過可解釋性分析向醫生展示每個特徵的貢獻。

目前，三項研究仍處於“第一階段”，證據主要來自回顧性資料。團隊計劃下一步開展前瞻性隨機對照試驗（RCT），最終目標是進入臨床指南。DeepComp的RCT驗證已經啟動。呂樂表示，研究的最終目標是讓每一位進展期胃癌患者術前的增強CT都能通過AI輔助，獲得更精準的風險分層和個體化治療建議，從而降低復發、轉移和併發症風險。這一路徑也體現了螞蟻阿福醫療AI團隊對醫療AI的理解：讓技術深入診療流程，配合醫生解決真實影響患者預後的問題，而非讓臨床去適應技術。