近日，纽约大学Krzysztof J. Geras与Yann LeCun团队在《自然·通讯》期刊发表研究，成功开发一款基于自监督学习DINOv2算法的乳腺癌复发风险预测AI模型。该模型通过深度解析数字病理切片，并结合肿瘤分期、患者年龄及激素受体状态等常规临床数据，实现对复发概率的精准评估。研究团队在涵盖七国十五个群体、超三千五百名患者的队列中完成验证，结果显示该AI测试在区分高低风险患者方面的表现媲美甚至优于主流基因组检测，且对传统基因检测无法有效评估的三阴性与HER2阳性乳腺癌亚型同样具有显著预测价值。现有基因检测不仅耗时长达数周、成本高昂，更会导致活检组织一次性消耗。新模型依托病理医师日常使用的切片进行分析，可将检测周期大幅缩短至数小时内，显著降低医疗支出，同时为后续潜在检测保留珍贵样本。Geras现任AI医疗企业Ataraxis首席科学官，他指出该成果依托自监督预训练技术提取高维病理表征，突破了传统依赖人工标注数据的局限，其底层算法架构亦具备跨癌种泛化潜力。研究团队强调，尽管仍需通过大规模随机临床试验进一步验证其临床转化价值，但该突破为AI赋能精准病理诊断提供了全新范式，有望深刻改变乳腺癌个体化治疗决策流程。