DeepGEM大模型：肺癌诊断的“AI搭档”，让基因预测更快更可及

在肺癌诊疗领域，一款由广州医科大学附属第一医院、广州呼吸健康研究院何建行/梁文华教授团队，与腾讯生命科学实验室姚建华教授团队联手研发的DeepGEM大模型，正悄然改变传统诊断流程——相关成果已登上国际顶尖期刊《柳叶刀·肿瘤》，为临床诊疗带来新突破。

不同于传统方法依赖人工标注肿瘤区域的“两步走”模式，DeepGEM大模型用上了更智能的“全局视角”：它借助多示例学习技术与“端到端”架构，不用人手动圈出肿瘤位置，就能自动捕捉病理全切片图像里的关键信息，把全局特征整合得更精准、更高效，让基因预测的准确性再上一个台阶。

在临床应用中，这款大模型的表现格外亮眼。只要给它一张常规的组织病理图像，它就能快速预测多种常见肺癌驱动基因突变——1分钟内就能出结果，精准度最低也有78%，部分类型甚至能达到99%。不管是手术切除的活检样本，还是穿刺获取的少量组织，它都能灵活适配；更贴心的是，它还能生成基因突变的空间分布图，让医生一眼看清突变在组织里的分布情况，为诊疗方案制定提供直观参考。

对患者和医生来说，DeepGEM大模型的价值远不止“快”和“准”。过去，肺癌诊断要走“病理检查→NGS基因检测”的流程，耗时较长，且NGS检测费用不低，不少基层患者难以负担。现在有了它，病情紧急的患者能快速拿到诊疗指引，不用等太久；基层患者则可以通过“AI初筛+特定基因位点确认”的方式，花更少的钱获得基因诊断结果，大大降低了检测门槛。

为了让大模型的性能经得起临床考验，2025年，研发团队还联合金域医学，做了一次大规模验证：把全国30个省份、不同级别医疗机构的4260例肺癌患者样本（共8520张数字切片）都纳入研究。结果显示，DeepGEM在识别EGFR、KRAS、ALK等常见肺癌驱动基因突变时，关键性能指标完全达到临床辅助诊断的参考水平，不管在大医院还是基层机构，都能稳定发挥作用。

接下来，金域医学、腾讯与广州医科大学附属第一医院还将继续深耕这款大模型：不仅要扩大它能识别的肺癌获批基因范围，推进它在临床诊断中的实际应用，还要尝试让它适配其他癌种，最终实现“多部位、多癌种、多组学”的AI辅助诊断，让更多患者受益于这场医疗科技的变革。#科技# http://t.cn/AXz0KyaA