DeepGEM病理大模型采用多项人工智能核心技术突破，创新性地应用多示例学习方法，采用无需人工标注肿瘤区域的"端到端"先进架构。与传统依赖肿瘤分割的两阶段方法相比，该技术更能捕捉全局信息，显著提升了预测准确性。
研究团队整合国内16家医疗中心的3637例患者及TCGA国际数据库的473例患者数据，通过大规模多中心回顾性研究验证了模型的卓越性能。测试数据显示，该模型在不同数据集中的预测精准度达到78%-99%，媲美传统基因检测的准确率，同时将检测时间从传统的1-2周缩短至分钟级。
临床应用：破解肺癌精准治疗三大难题
肺癌作为全球发病率与死亡率最高的恶性肿瘤，靶向治疗的有效性高度依赖基因检测结果。然而，传统基因测序需要长达1-2周的等待周期，且往往需要多次穿刺获取足量样本，在医疗资源匮乏地区尤为不便。
DeepGEM大模型的问世有效解决了这些难题。该模型利用肺癌患者确诊时的常规组织学图像，通过AI技术建立病理图像特征与基因突变的内在联系，实现对EGFR、KRAS、ALK等常见肺癌驱动基因突变的精准预测。此外，模型还能生成基因突变空间分布图，直观展示同一肿瘤内部不同区域的突变情况，为临床治疗决策提供全新辅助工具。
未来展望：从肺癌拓展至多癌种诊断
基于DeepGEM大模型的成功经验，合作三方将进一步开发病理基因多模态大模型。金域医学副总裁李映华表示，未来研究方向包括扩大模型对更多肿瘤类型的预测能力，实现从肺癌到肝癌、消化道肿瘤的拓展，并通过多组学整合深入理解疾病机制。
广州医科大学附属第一医院国家呼吸医学中心主任何建行教授指出，本次DeepGEM大模型的成功部署是探索病理-基因多模态AI大模型的重要里程碑。未来，基于AI的智能化医学将成为常态，这一合作模式为临床科研成果转化提供了示范。
DeepGEM病理大模型的研发成功，标志着"AI+医检"融合进入新阶段。随着技术的不断完善和应用范围的拓展，这一创新成果有望为更多癌症患者提供准确、及时且经济的基因检测服务，推动精准医疗的普惠化发展。
