近日，我院病理科张庆玲团队联合香港科技大学李小萌团队、澳门科技大学张康团队，在《Nature Cancer》发布全新病理人工智能研究成果——“PRET is a few-shot system for pan-cancer recognition without example training”（PRET 是一款用于泛癌症识别的小样本系统，无需样本训练）（DOI：10.1038/s43018-026-01141-2）。团队创新提出PRET泛癌种智能识别系统，开创“少样本、免训练、全场景”的病理AI诊断新范式，破解了传统病理AI落地难、适配弱、成本高的行业痛点，为病理人工智能在实际应用场景中的推广提供了新的技术思路。

        直击临床痛点！传统病理AI落地面临多重瓶颈

        病理诊断是肿瘤确诊的“金标准”。当前，全球癌症发病率持续上升，临床病理诊断需求不断增加，病理医师相对紧缺的问题愈发凸显。

        与此同时，现有的病理人工智能模型存在明显短板：高度依赖海量人工标注数据，针对癌症筛查、亚型分类、转移检测等不同临床任务，需要重复训练、参数调试，研发成本高、应用推广难度大，尤其在多中心及基层医疗机构中的应用受到限制。

        近年来，病理基础模型快速发展，具备了通用图像表征能力，但仍无法摆脱“一事一训”的固有模式，应用效率和拓展性严重受限。在此背景下，研发一款无需重复训练、少量样本即可高效适配多癌种、多场景的通用型病理AI，成为行业迫切需求。

        技术全新突破！PRET实现免训练、小样本高精度诊断

        针对行业技术困境，合作团队创新性研发PRET泛癌种识别系统，构建了全新的少样本、免训练病理AI框架。区别于现有AI技术需要提前训练、固化参数的运行逻辑，PRET无需针对具体诊断任务调整模型参数，仅需在实际诊断推理阶段，利用少量标注的示例切片作为“视觉上下文”，即可快速适配全新临床任务，实现快速落地应用。

        该技术依托先进的病理预训练基础模型，精准提取全切片图像核心特征，通过图像块级别的精细化特征相似性比对，结合注意力机制整合关键诊断信息，完成肿瘤精准判别。不同于传统模型压缩、简化样本信息的处理方式，PRET保留示例病理图像的局部结构信息，通过图像块级别的匹配方式进行判别，最大程度还原病灶特征，即便仅有少量样本，也能稳定输出高精度诊断结果。

        PRET通用适配能力强，支持癌症筛查、亚型分类、肿瘤分割及淋巴结转移检测等多类任务，具备良好的通用性和扩展能力。

PRET方法框架及其在多癌种、多任务中的应用示意

        多中心权威验证！性能超越现有主流技术，媲美专业医师

        为充分验证PRET的实用性与稳定性，研究团队在多中心数据基础上对PRET方法进行了系统评估。实验纳入中国、美国、荷兰等多国医疗机构的23个权威基准数据集、4484张全切片图像，覆盖9大器官、18种肿瘤类型，累计分析超1.24亿个图像块，全面模拟不同临床场景、不同样本规模、不同医疗中心的真实诊疗环境。

        海量实验数据证实了PRET的硬核实力：系统在23项评估任务中，20项性能位居全球最优水平；15项核心基准任务的AUC准确率超过97%。在极具临床挑战性的CAMELYON16淋巴结转移检测任务中，相较国际现有主流技术，性能最高提升36.76%。

        更具临床价值的是，PRET具备极强的小样本适配能力。仅依靠1–8张标注切片的极少样本条件下，系统仍能保持稳定高精度输出。其中，在癌症筛查任务中，1-shot条件下仍可获得较高识别精度。在CAMELYON16淋巴结转移检测任务中，仅用8张示例切片，即可达到98.71%的超高AUC准确率，诊断水平超越普通病理医师平均水准。同时，在跨中心（如 CAMELYON17）、不同人群、欠发达地区的病理数据测试中，PRET表现出优异的稳定性与一致性，可完美适配复杂多变的基层临床场景。

PRET 在淋巴结转移检测任务中与病理医生的性能对比

        四大核心创新！重塑病理AI应用新范式

        此次研究取得重要突破，核心创新亮点突出：一是提出少样本、免训练的泛癌病理识别框架，实现多癌种、多诊疗任务统一建模；二是引入视觉上下文学习机制，最大化利用病理图像局部病灶细节，提升诊断精准度；三是支持多种不同精细程度的标注方式，大幅降低数据研发成本；四是经多中心、多人群、稀缺数据场景充分验证，技术泛化性、落地性强。

        普惠医疗落地！助力基层与罕见肿瘤精准诊疗

        PRET技术的问世，标志着病理AI正式从“定制化开发”迈入“通用化应用”的全新阶段，彻底摆脱了传统AI对大数据、高算力、高成本研发的依赖。该技术有效解决了标注数据稀缺、研发成本高昂、跨院适配困难等行业难题，大幅降低病理智能诊断技术的落地门槛。

        在临床应用中，PRET兼具灵活性与实用性，不仅适用于常规肿瘤筛查诊断，更能精准适配罕见肿瘤亚型、数据稀缺疑难病例的诊疗场景。同时，其跨中心稳定适配的特性，可广泛应用于远程病理会诊、区域医疗协同、基层医院辅助诊断等场景，可有效补齐基层病理诊断资源短板。

PRET在不同人群、欠发达地区及多中心数据中的泛化表现

        此次粤港澳跨地域团队的联合科研成果，不仅是病理人工智能领域的重大技术突破，更为全球智慧病理的创新发展提供了中国方案。该研究有效破解了小样本、多场景下病理AI的应用难题，为病理智能诊断技术的迭代升级、临床规模化落地提供了重要理论支撑与实践参考。

宁梓妤