人工智能在病理学领域的应用，正在从辅助标注、细胞分割等基础任务向更深层次跃进。德国科隆大学医院病理学系的研究团队近期开发了一套名为SPARK（System of Pathology Agents for Research and Knowledge）的全新AI框架，能够从常规收集的组织切片中提取此前难以发现的生物学信息，并自主生成和优化研究假说。相关成果以"An agentic framework for autonomous scientific discovery in cancer pathology"为题，发表于《自然·医学》（Nature Medicine）期刊。
突破传统AI的局限
目前，病理学领域的主流AI方法大多聚焦于组织分割或肿瘤微环境中单个细胞的分析，在可解释性和跨研究问题的迁移能力上存在明显短板。SPARK的设计思路与此不同。它是一套基于agent（智能体）的AI系统，将多个专业算法连接为一个协调运作的整体——研究者将其形容为一个"数字大脑"。
这套系统无需重新训练模型，即可自主生成生物学假说、对其加以迭代优化，并将其转化为具体的分析工具。语言被用作与复杂图像数据交互的通用接口，使临床医生和研究人员可以直接用自然语言提问，例如询问某个肿瘤是否可能对免疫治疗产生响应，而无需任何编程背景。
跨越5400余名患者的大规模验证
由科隆大学医院病理研究所高级医师Yuri Tolkach博士领导的团队，在逾5400名患者的数据上对SPARK进行了系统验证，涵盖18个独立队列和五种不同肿瘤类型。
结果显示，SPARK能够识别出具有临床意义且有生物学依据的组织标志物（tissue markers），这些标志物与疾病进程、既有病理参数以及治疗反应均存在密切关联。此外，该系统还可以从静态组织切片中推断肿瘤随时间演变的动态规律，为理解肿瘤进展的内在机制提供了新的切入点。
面向精准肿瘤学的临床潜力
Tolkach表示："SPARK有助于精细化诊断、更可靠地对患者进行分层，并支持更精准的治疗决策。尤其在个体化肿瘤学领域，这项技术为根据肿瘤的个体生物学特征量身定制治疗方案提供了可能，有望改善治疗结果。"
在可及性上，SPARK配备了一套模块化的交互式用户界面，无编程基础的临床医生和研究人员同样可以用它开发分析方法。研究团队已将所有方法、参数和结果完全开放，供学术界进一步研发使用。
不过，研究团队也明确指出，要确认这项技术在日常临床实践中的完整价值，仍需开展前瞻性验证研究。
科隆大学医院普通病理学及病理解剖学研究所所长Reinhard Büttner教授表示："借助SPARK，我们希望将病理学从一门以描述为主的学科，转变为一门数据驱动的预测性科学，从而为肿瘤精准医学作出实质性贡献。"
参考文献：Florian Trost et al, An agentic framework for autonomous scientific discovery in cancer pathology, Nature Medicine (2026). DOI: 10.1038/s41591-026-04357-y
编辑：王洪
排版：李丽
评论 (0)