香港科技大學與中山大學等內地單位合作，開發了一個專為術中冰凍切片病理檢測而設的基礎模型 CRISP，其可在真實手術流程中為病理醫生與外科醫生提供大範圍、可泛化的診斷支援。該系統已在涵蓋 3000 多名患者的前瞻性隊列中，在真實世界條件下維持高診斷準確率，為 92.6% 的手術個案的術中決策提供資訊。研究成果已刊於《自然 － 醫學》。

論文：

• https://www.nature.com/articles/s41591-026-04703-0

研究背景

手術中的病理診斷是現代精準外科的重要一環。醫生需根據冰凍切片，快速判斷病灶性質、切緣狀態、腫瘤是否轉移等，從而即時決定手術策略，甚至包括器官的保留與否。

冰凍切片可在短時間內完成製備，一直是術中病理檢測的核心技術。然而，冰凍切片的判讀難度很高。與福爾馬林固定石蠟包埋（FFPE）標本相比，冰凍切片在組織形態與製備質量上變異更大，往往有冰晶或組織摺疊等，因而提高了誤判風險。目前的人工智能模型主要建立在 FFPE 標本之上，對冰凍切片的形態複雜性和臨床場景覆蓋不足，且缺乏大規模、前瞻性驗證。

研究成果

中山大學腫瘤防治中心主任醫師蔡木炎博士，香港科技大學計算機科學及工程學系、化學及生物工程學系陳浩博士領銜的團隊，研發了名為 CRISP 的人工智能框架，通過冰凍切片檢測提供術中病理支援。

與過往多數局限於單一病種或少量樣本的模型不同，CRISP 利用了目前規模最大的冰凍切片數據集之一，該數據集包括來自不同地區的 10 個醫療中心、超過 100,000 張冰凍切片。該模型在約 5,000 萬張圖像切塊（patches）上完成預訓練，習得豐富的冰凍切片形態特徵。

在回顧性驗證中，團隊對超過 15,000 張術中切片進行全面評估，涵蓋近 100 項常見術中病理任務，包括良惡性鑑別、關鍵術中決策支援、泛癌種檢測等。結果顯示，CRISP 在 14 種腫瘤類型、24 個解剖部位上，包括先前未見部位和罕見癌症，均展現出穩健的泛化能力。

團隊進一步開展了前瞻性觀察研究，納入超過 3,000 名患者，在真實手術環境中測試 CRISP 的臨床實用性。結果顯示，CRISP 在實際工作流程中仍可維持高診斷準確率。該系統可直接為 92.6% 的手術個案提供術中決策資訊。在此基礎上，人機協作將診斷工作量減少 35%，避免了 105 項輔助檢查，並以 87.5% 的準確率提升對微轉移的檢測能力。

整體而言，CRISP 是一種以臨床爲導向的人工智能驅動術中病理學方法，有潛力支持術中决策，促進臨床實踐轉化。

研究團隊

論文共同第一作者是中山大學 Zihan Zhao、港科大 Fengtao Zhou、江門市中心醫院（北街醫院）Ronggang Li。共同通訊作者是港科大陳浩博士、中山大學蔡木炎博士。

如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC