? 病理分析新突破！Lunit 与阿斯利康合作 AI：诊断效率与成本双优化
癌症诊断领域最近有个大新闻，韩国医疗 AI 公司 Lunit 和制药巨头阿斯利康搞了个大动作，联手开发了针对非小细胞肺癌的 AI 病理分析解决方案。这事儿在医疗圈引起了不小的轰动，到底有啥特别的？今天咱们就来好好聊聊。
先来说说合作的背景。现在癌症发病率越来越高，尤其是肺癌，非小细胞肺癌占了大多数。EGFR 突变是这种癌症的常见驱动因素，准确检测它对治疗方案的选择至关重要。但传统的检测方法不仅耗时，还得依赖昂贵的分子检测技术，很多地方根本做不到全面检查。这时候，AI 就派上用场了。
Lunit 这次推出的 Lunit Scope Genotype Predictor 可不简单。它能通过 H&E 染色的组织切片图像，直接预测 EGFR 突变的可能性。H&E 染色是病理诊断中最基础的方法，几乎所有医院都能做。这就意味着，不需要额外的复杂检测设备，用现有的资源就能实现精准诊断。这对资源有限的地区来说，简直是个福音。
从技术层面看，这个 AI 模型用了深度学习算法，训练数据那叫一个庞大。他们收集了来自美国、中国、韩国等多个国家的 12,000 多张病理切片，其中 EGFR 突变型的有 4,500 多张，野生型的有 7,500 多张。这么大的数据集，让模型的泛化能力大大增强。在 2025 年 AACR 年会上，他们公布的研究结果显示，这个模型的突变检测准确率达到了 AUC 0.880，比现有的 AI 模型（0.723）高出不少。AUC 越接近 1，说明模型性能越好，0.8 以上就已经是高性能模型了。这意味着，Lunit 的 AI 在 EGFR 突变预测上已经达到了相当高的水平。
再来说说诊断效率的提升。传统的病理分析，医生得在显微镜下仔细观察切片，一坐就是大半天，眼睛都看花了。遇到疑难病例，还得反复讨论，耗时又费力。有了 Lunit 的 AI，情况就大不一样了。它能在短时间内分析大量切片，快速锁定可疑区域，给出突变预测结果。这不仅减轻了医生的工作量，还能让诊断结果更快地反馈给患者，为后续治疗争取宝贵时间。
成本降低也是这次合作的一大亮点。传统的分子检测，一次下来费用可不低，而且还得依赖专业设备和试剂。Lunit 的 AI 解决方案，只需要现有的 H&E 染色切片，不需要额外的检测步骤，大大降低了检测成本。阿斯利康在其他 AI 项目中，通过自动化系统实现了超过 50% 的成本缩减，这次合作虽然没有直接公布具体数据，但可以预见，成本优化的效果肯定不会差。
不过，AI 再厉害，也不能完全取代医生。病理诊断是个复杂的过程，需要结合临床信息、患者病史等多方面因素综合判断。Lunit 的 AI 更多是作为辅助工具，帮助医生提高效率和准确性。比如，在初筛阶段，AI 可以快速排除大部分正常病例，让医生把精力集中在真正有问题的样本上。遇到疑难病例，AI 还能提供参考意见，辅助医生做出更准确的诊断。
从行业趋势来看，AI 在病理分析中的应用越来越广泛。全球 AI 病理诊断市场规模预计到 2031 年将达到 218.1 亿美元，年复合增长率 6.9%。国内市场也在快速增长，预计 2025 年将超过 100 亿元人民币。这说明，AI 病理分析已经成为医疗领域的重要发展方向。
和其他 AI 病理解决方案相比，Lunit 的优势也很明显。比如，浙大开发的 OmniPT 虽然能在 1-3 秒内锁定癌症病灶，准确率超过 95%，但主要针对胃癌、宫颈癌等癌种。而 Lunit 的 AI 专注于非小细胞肺癌的 EGFR 突变预测，在特定领域更具专业性。华为瑞金病理大模型虽然覆盖了 90% 的常见癌症，但在分子标志物预测方面，Lunit 的技术更加成熟。
当然，AI 病理分析也面临一些挑战。比如，数据质量的问题。病理切片的质量直接影响 AI 模型的性能，如果切片制作不规范，扫描图像不清晰，就会影响分析结果。另外，医疗数据的安全和隐私保护也是个大问题。病理数据包含患者的敏感信息，如何在保证数据安全的前提下进行共享和利用，是需要解决的难题。
总的来说，Lunit 与阿斯利康的合作，为病理分析带来了新的思路和方法。通过 AI 技术，不仅提高了诊断效率和准确性，还降低了成本，让更多患者能够受益。虽然目前还存在一些挑战，但随着技术的不断进步和临床验证的深入，AI 在病理分析中的应用前景十分广阔。
未来，随着 AI 技术的不断发展，我们有理由相信，病理诊断将变得更加精准、高效、低成本。医生可以借助 AI 的力量，更好地为患者服务，而患者也能更早地得到准确的诊断和治疗。这无疑是医疗领域的一大进步，值得我们期待。
该文章由dudu123.com嘟嘟 ai 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具
