近日，腾讯 ai 发布了一项令人瞩目的科研成果：其生命科学实验室联合广州医科大学第一附属医院、广州呼吸健康研究院共同研发的病理大模型 deepgem，已顺利完成大规模临床验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
这项技术的最大亮点在于，仅需一张常规病理切片图像，DeepGEM 就能在短短 1 分钟内精准预测肺癌中的多种关键基因突变，准确率高达 78% 至 99%。它不再依赖传统的基因测序手段，而是直接从最普遍的病理图像中挖掘出隐藏的基因信息。这意味着，在癌症精准治疗中长期存在的“耗时长、成本高、操作难”等难题，有望被 AI 技术大幅缓解，未来检测费用甚至可能下降数倍。
你或许会疑惑：一张普通的组织切片，本质上只是细胞结构的显微图像，如何能反映基因层面的变化？
这正是 DeepGEM 的核心突破所在。尽管基因突变本身无法通过显微镜直接观察，但大量医学研究证实，特定的基因变异会潜移默化地影响肿瘤细胞的行为模式，并在组织形态上留下独特痕迹。这些被称为“形态学信号”的特征，可能体现为细胞排列异常、形状怪异，或与周围组织互动方式的改变。
DeepGEM 的任务，就是利用深度学习技术，将海量病理图像中的形态特征与对应的基因数据进行关联分析。如同一个不知疲倦的学习者，它在消化了庞大数量的病例后，能够在看似寻常的图像中敏锐识别出暗示基因突变的关键视觉线索。
为了提升模型的学习效率和判断精度，研发团队采用了先进的多示例学习（Multiple Instance Learning, MIL）架构。这种训练方式更智能、更高效。
传统 AI 模型往往需要医生预先在整张病理图中标注出肿瘤区域，过程繁琐且耗时。而 MIL 架构则跳过了这一环节，允许模型直接处理整张切片图像，由系统自主识别重要区域并提取有效信息，最终输出综合预测结果。这种端到端的处理流程不仅提升了效率，还能更好地捕捉细微且分布广泛的病理特征。
DeepGEM 的功能远不止于提供“是否突变”的二元判断。它还为临床医生带来了一个革命性工具——基因突变空间分布图。
DeepGEM 大模型展示肺癌基因突变的空间分布
事实上，同一颗肿瘤内部不同区域的基因状态并不完全一致，这种“异质性”是当前癌症治疗的一大难点。
DeepGEM 能生成一张可视化热力图，清晰标注出整张切片中哪些部位具有更高的基因突变概率。这就像是为医生配备了一套实时导航系统，帮助他们在显微镜下快速锁定最具代表性的病灶区域，从而制定更精准的诊疗方案。
更值得一提的是，DeepGEM 在设计之初就充分考虑了真实医疗场景的多样性。无论是手术切除的大块组织样本，还是穿刺获取的微小标本，甚至是质量参差不齐的切片图像，它都能稳定应对。这种强大的适应能力，显著降低了其在各级医疗机构推广应用的技术门槛。
在多轮严格的临床测试中，DeepGEM 的预测性能已达到与传统基因检测相当的水平。这意味着，当患者病情紧急无法等待测序结果、样本量不足难以完成检测，或身处缺乏高端检测设备的偏远地区时，DeepGEM 可作为高效的替代方案，为医生提供及时可靠的决策支持，抢夺宝贵的治疗窗口期。
随着 DeepGEM 在肺癌领域的成功落地，更大的蓝图正在展开。腾讯已正式宣布，将携手广州医科大学第一附属医院、广州呼吸健康研究院及国内领先的第三方医学检验机构金域医学，开启新一轮深度合作。
四方将共同建设一个前沿的“病理-基因多模态大模型平台”。该平台旨在将 DeepGEM 的能力逐步拓展至更多癌种和器官系统，推动构建覆盖广泛、智能高效的癌症精准诊断体系。或许在不久的将来，AI 将成为每位病理医生不可或缺的智能搭档，共同守护生命的希望。
