脑肿瘤的精准诊断是决定治疗方案与患者预后的核心环节，长期以来，行业依赖的分子检测金标准存在流程复杂、成本高昂、耗时漫长的痛点，全球大量医疗资源有限的地区难以普及这项技术。2026 年 6 月 10 日，德国癌症研究中心联合海德堡大学医院团队在《自然・癌症》杂志发布最新研究成果，推出名为 Hetairos 的 AI 病理诊断系统。该系统仅凭临床常规制备的病理组织切片，即可快速识别上百种脑肿瘤的分子亚型，将原本平均 12 天的诊断流程压缩至 12 分钟，且综合准确率超过国际资深神经病理专家的平均水平，为全球脑肿瘤诊断的普及与提速提供了全新的技术路径。

中枢神经系统肿瘤类型繁杂，世界卫生组织现行分类中包含上百种分子亚型，不同亚型的治疗方案与预后差异极大。目前临床公认的精准诊断金标准是 DNA 甲基化分析，但这项检测需要专用实验室、高精度设备与足量的肿瘤组织样本，全流程平均需要 12 天才能出具结果，单例检测成本约 400 欧元。受技术与成本限制，全球很多地区的医疗机构无法开展这类检测，患者难以获得精准的分型诊断，直接影响治疗时机与效果。

Hetairos 的核心突破，在于无需额外的分子检测实验，仅依靠临床最常用的苏木素 - 伊红染色组织切片，就能预测肿瘤的分子亚型。只要将病理切片完成数字化扫描，系统在普通商用计算机上仅需 12 分钟即可输出诊断结果；如果计入切片制备与扫描的全流程，也可在 24 小时至 48 小时内完成全部检测，诊断效率较传统方法提升数十倍。

为验证系统的诊断能力，研究团队邀请了 5 位来自不同国际医疗中心的资深神经病理学家，与 AI 系统开展盲法对比测试。在 210 例仅提供组织切片的测试病例中，Hetairos 的单一诊断准确率达到 68%，而人类专家的平均准确率仅为 30%；如果取可能性最高的三项诊断结果统计，AI 的准确率升至 84%，同样显著高于人类专家 50% 的平均水平。

系统还自带置信度评估机制，会对每一例诊断给出可信度评分。在全部病例中，约 50% 至 70% 的病例可达到高置信度标准，这类病例的诊断准确率可达 87% 至 88%，足以直接为临床提供参考。对于置信度较低的病例，系统也能将诊断范围从百余种亚型缩小到少数几个候选方向，帮助医生明确后续检测的优先级，减少不必要的检测成本。

在真实临床环境的前瞻性测试中，Hetairos 与常规分子诊断同步运行，结果显示其不仅速度优势显著，在肿瘤样本量不足、传统分子检测无法得出明确结论的病例中，也能给出可靠的参考诊断。同时系统支持高亮显示切片中对诊断起关键作用的组织区域，帮助病理医生理解 AI 的判断逻辑，实现人机协同的诊断模式。从运行成本来看，单例检测的算力与维护成本仅为 1 至 2 欧元，不足传统分子检测的百分之一，具备极高的卫生经济学价值。

Hetairos 的优异表现，得益于大规模、多元化的训练数据集。研究团队整合了来自四大洲 11 家医疗中心的临床数据，涵盖 9606 名患者的 1.1 万余份数字化病理切片，训练后的系统可识别 102 种中枢神经系统肿瘤分子亚型，几乎覆盖了世界卫生组织现行分类的全部谱系。由于训练数据来源广泛，系统具备良好的泛化能力，可适配不同医院的染色标准与扫描设备，不会因实验室操作差异出现性能大幅波动。

研究团队明确表示，Hetairos 的定位是辅助诊断工具，而非取代传统分子检测。它的核心价值在于充当高效的分诊环节：对于高置信度的常见病例，可直接快速出具诊断参考，加快治疗启动速度；对于复杂、罕见的低置信度病例，再引导至分子检测环节。这种模式可以大幅减少不必要的分子检测数量，节约医疗资源，同时让更多患者能快速获得初步的精准诊断。

这项成果也为数字病理行业打开了全新的发展方向。过往的病理 AI 大多聚焦于病灶识别、良恶性筛查等形态学层面的任务，而 Hetairos 实现了从常规组织切片直接提取分子层面的特征信息，打通了形态学与分子诊断之间的壁垒。类似的技术路径已在肺癌、乳腺癌等多个癌种出现探索，行业正在从 “AI 看形态” 逐步迈向 “AI 读分子” 的新阶段。如果这套技术逻辑复制到更多癌种，将彻底改变病理诊断的流程与成本结构，让分子层面的精准诊断不再依赖昂贵的实验室设备，仅靠数字病理切片就能实现初步筛查。

对于医疗资源不均衡的地区，这项技术的意义尤为重大。很多中低收入国家和地区的医院没有能力建设分子病理实验室，但基本的病理切片制备与数字化扫描能力已经普及。部署这套 AI 系统后，当地医院就能快速获得接近分子检测水平的诊断能力，大幅缩小与发达地区的医疗差距。目前研究团队正在推进更大规模的临床落地验证，后续还计划优化模型适配基础显微镜搭配手机拍摄的切片图像，进一步降低落地门槛，让技术覆盖更多基层医疗机构。

整体来看，Hetairos 的出现不仅是脑肿瘤诊断领域的技术突破，更是 AI 在病理领域从辅助工具走向核心诊断环节的重要标志。随着技术的持续迭代与数据积累，这类 AI 系统有望成为病理科的标配工具，推动精准诊断向更高效、更普惠的方向发展。