在癌症治疗中，淋巴结有没有被“攻陷”，是决定疾病分期、预后和治疗方案（如是否需要术后化疗、放疗）的黄金标准。然而，直径不足2毫米的微转移灶隐匿于成千上万张病理切片之中，传统镜检极易漏诊，导致患者错失最佳治疗时机。

近日，这一临床难题迎来突破性解法。由中山大学孙逸仙纪念医院林天歆教授、吴少旭教授团队牵头，广东药科大学附属第六医院（以下简称“广药大六院”）等全国17家医院共同参与研发的全癌种AI诊断模型PanCAM，其成果发表于《柳叶刀-数字健康》。该模型仅需一个，即可检测33种癌症的淋巴结转移。回顾性与前瞻性验证均表现优异：累计揪出141例被临床病理医生初次诊断遗漏的病例，使漏诊率最高下降23%。

据研究介绍，PanCAM模型的研发回顾了2013年至2024年间来自全国17家医院的9256例患者资料，涵盖33种癌型，分析近7万张数字病理全景图像。研究团队采用“增量学习”策略：先让AI精通前列腺癌淋巴结特征，再逐步拓展至肺癌、乳腺癌、结直肠癌等8种常见癌症，最终自然泛化至其余24种罕见癌症。即便从未使用这些罕见癌的数据进行训练，模型的敏感度仍达到0.98，展现出强大的泛化能力。

研究不止步于历史数据，团队还在9家医院开展“同步背靠背”前瞻性测试：让PanCAM与临床病理医生同时诊断同一批新患者，并以资深专家复核为金标准。结果显示：回顾性验证中，该模型多发现120例被病理医生漏诊的淋巴结转移患者；前瞻性验证中，再次多发现21例。

这141例“多发现”病例中，绝大多数为微转移灶。分析表明，PanCAM使各医院淋巴结转移漏诊率下降1%至23%不等。这意味着，一批原本可能被判定为早期、治疗不足的患者，将获得更准确的分期与更积极的强化治疗。

这一成果，标志着AI辅助病理诊断领域迈出了里程碑式的一步。

PanCAM模型就像病理医生的“超级助手”。快速扫描每一张切片，高亮标记可疑区域，让医生从繁重的“大海捞针”式阅片中解放出来，把精力聚焦到更复杂的综合诊断决策中。研究计算，每个AI提示的假阳性区域，医生仅需额外花费约13秒复核，便能有效降低漏诊率，大大提升工作效率与诊断信心。

对患者而言，这意味着更准确的疾病分期、更合理的治疗方案，以及更多挽救生命的机会。 一位原本可能因漏诊而被判定为早期的患者，将因为AI的“鹰眼”获得应有的强化治疗，生存预后得到切实改善。

作为中山大学孙逸仙纪念医院的医联体单位及本项研究的参与者，广药大六院表示，未来将继续深化与中山大学孙逸仙纪念医院的医联体协作，让前沿技术从实验室走向基层临床，不断提升本地医疗服务水平，守护每一位患者的精准治疗机会。