布莱根妇女医院研发 AI 模型：把术中粗糙冷冻切片秒变「金标准」图像

手术台上，外科医生面对肿瘤最纠结的时刻，往往不是怎么下刀，而是切到哪里该停手。

要想知道肿瘤的边界在哪、是良性还是恶性，只能趁病人还在全麻状态时，切下一小块组织紧急送去病理科。

但这事向来是个两难困境。病理分析的「金标准」是福尔马林固定和石蜡包埋（FFPE），图像清晰、细节完整，但整个制样过程要耗费 12 到 48 小时，躺在手术台上的病人根本等不起。

医院只能退而求其次，采用几分钟就能出结果的「术中快速冷冻切片」。速度是快了，代价却很大：快速冷冻极易破坏脆弱的组织结构，导致细胞变形并产生大量伪影，即使是经验丰富的病理医生，看这种切片也容易走眼。

让粗糙的冷冻图像秒变「金标准」

布莱根妇女医院计算病理学分部的 Faisal Mahmood 团队与土耳其博阿齐奇大学合作，在《Nature Biomedical Engineering》发表了一项深度学习研究，试图彻底打破这个两难局面。

研究团队训练了一个深度学习转换模型，能直接将几分钟内做出来的粗糙冷冻切片图像，数字渲染成接近 FFPE 级别的清晰图像。

用项目负责人 Faisal Mahmood 的话说，他们是用 AI 解决外科手术和病理学交汇处存在多年的老问题。快速冷冻诊断原本需要极其严苛的专门培训，现在 AI 承担了最麻烦的画质修复工作。

在实际测试中，这项技术被用于鉴别神经胶质瘤和非小细胞肺癌等复杂的癌症亚型。团队还拉来多位病理专科医生进行了双盲阅片测试，结果显示，经过 AI 增强后的图像，不仅画质显著提升，医生的诊断准确率也明显高于直接看传统冷冻切片。

为了检验算法的泛化能力，团队还特意引入了来自土耳其的独立临床数据集进行测试，模型依然表现稳健。

为什么重要

这项技术最大的价值，在于它不打算颠覆现有的手术流程，而是做了一个几乎零门槛的插塞式改进。

医院不需要采购昂贵的新型制样硬件，病理科依然做他们的快速冷冻切片，外科医生依然在手术室等待。AI 只是充当了一个中间层的「超分辨率和去噪翻译器」，在扫描上传的那几秒钟里，把残缺模糊的信息补齐。

对于患者而言，这意味着医生在手术台上能以更高的确定性判断肿瘤边界，既减少了因「切不干净」导致的复发，也避免了因过度切除损伤重要神经或器官。

对医疗 AI 行业来说，这也提供了一个很聪明的思路：与其直接让大模型越俎代庖去给疾病下诊断，不如退后一步，帮人类医生把原本看不清、拿不准的原始材料洗干净。把最终的裁决权留给专科医生，更容易通过监管和临床伦理的审查。

不过，我们认为这项技术在真正落地时仍需极其谨慎。图像翻译模型最大的隐患在于「脑补」——AI 在把冷冻伪影修复成完美组织结构时，会不会抹掉某些罕见的病理特征，甚至生成看似合理但实际不存在的假象？研究团队自己也承认，必须在更广泛的真实医院环境中开展前瞻性临床试验，证明它能切实改善手术决策后，才能正式走入临床。