AUGUST：顺序问答AI分步诊断胃癌，2.3万张切片验证超越现有模型

核心要点

• 问题：胃癌病理诊断是层层递进的决策过程——先看有无肿瘤、再判是否恶性、后定分化程度，每一步都依赖上一步；但现有 AI 把各任务孤立处理，容易给出逻辑自相矛盾的结论。
• 方法：AUGUST 用「顺序问答」框架模仿病理医生的分步推理，把诊断的层级依赖显式建模进模型，并把答案约束在临床有效路径上。
• 结果：在 23072 张胃全切片、19 个层级任务、79924 组问答对上验证，自主与人机协同两种设定下均超越现有 MIL、视觉语言与基础模型，层级一致性更优。
• 意义：为「可解释、贴合临床推理」的病理 AI 提供新范式，可作为病理医生决策辅助工具。
• 原文：Sequential question answering AI for hierarchical gastric pathology diagnosis，npj Digital Medicine，2026-08-10

1. 胃癌病理诊断的临床挑战

胃癌（gastric cancer）是全球最常见的恶性肿瘤之一，在东亚地区（中国、韩国、日本）尤为高发。对疑似胃癌的患者，胃镜活检的病理切片判读是确诊和指导治疗的「金标准」：切片上有没有癌细胞、是什么类型、恶性程度有多高，直接决定了患者要不要手术、怎么用药。

这一诊断其实是一个层层递进、环环相扣的过程，而不是「一次判完」。病理医生先看切片上有没有幽门螺杆菌（Helicobacter pylori）感染，再看它属于炎症、良性肿瘤、异型增生还是癌症；如果确诊是癌，还要进一步判断是腺癌、鳞癌还是神经内分泌癌；最后给出分化程度——高分化、中分化，还是恶性程度更高的低分化或低黏附性癌。每一步的答案都依赖上一步的结果，比如「分化程度」只有在确诊腺癌之后才有临床意义。

问题在于，目前绝大多数病理 AI 恰恰忽略了这一点：它们把每一个诊断任务当成彼此孤立的任务来训练，结果就是模型可能给出逻辑上自相矛盾的结论——连「是不是癌」还没判清，就谈「低分化」。这种与真实诊断流程的错位，成为病理 AI 临床落地的重要障碍。

2. AUGUST 的核心创新

研究团队把这一系统命名为 AUGUST（Adaptive Unified Gastric diagnosis Using Sequential Tasks，基于顺序任务的自适应统一胃部诊断系统），创新集中在三点。

第一，用「顺序问答」显式建模诊断的层级依赖。过去的病理 AI 把各任务独立处理，AUGUST 则让模型基于前一步的结论，迭代生成下一步所需的问题并作答，把答案约束在「临床有效路径」上，从根源上减少逻辑跳步与自相矛盾。

第二，上下文感知的全切片表征。AUGUST 不是孤立地看整张全切片图像（whole slide image, WSI），而是根据当前诊断步骤的问题，把 WSI 投射成「上下文感知」的表征，让模型聚焦与当前步骤相关的区域，从而提升判读精度。

第三，三阶段渐进式预训练。从「对齐视觉与诊断概念」到「习得诊断行为」再到「思维链多轮推理」，训练方式本身也在模拟病理医生从入门到熟练的成长路径。

3. 技术原理：先问有没有、再问恶不恶、后问分没分

AUGUST 的工作流程可以概括为「先问有没有、再问恶不恶、后问分没分」三个递进环节。输入是一张胃镜活检的全切片图像，输出是结构化的诊断结果，外加一条可追溯的推理链。

处理流程上，模型不会一步给出最终结论，而是逐步生成并回答「当前步骤需要什么」的问题：先判断有无肿瘤；若有，再判断是否恶性；若恶性，再进一步细分病理类型与分化程度。每一步的问题都以前一步的答案为前提，最终把答案约束在临床上有效的路径内。评价方式上，研究把 AUGUST 与当前主流的多实例学习（MIL）、病理专用视觉语言模型以及多模态基础模型做对比，分别在「全自主」和「人机协同」两种设定下评估诊断准确率与层级一致性。

需要说明，这里验证的是 AUGUST 这一研究原型系统的诊断能力，而非已获批上市的商业产品；其透明推理链服务于病理医生复核，而非替代医生的判断。

4. 数据说话：23072 张切片、19 个层级任务

论文报告的核心结果如下表。

最值得关注的是，论文在「全自主」和「人机协同」两种设定下都报告 AUGUST 优于现有模型，并强调其层级一致性更优——这意味着模型不仅「更准」，而且「更少自相矛盾」。不过也要客观看待：论文摘要是定性表述，未给出具体的 F1 分数与 P 值，具体的量化对比需查阅正文表格，本文不作推算或补写。

5. 从实验室到临床：应用前景与局限

对应三个可能的应用场景。其一，作为病理医生的「第二阅片人」，用可追溯的推理链辅助胃癌切片判读，尤其减轻年资较低医生的负担；其二，用于基层医院的病理质控，以透明问答链帮助发现逻辑不一致的判读；其三，用于病理教学培训，让学员看到「医生式」的分步推理过程。

但至少有两条局限需要正视。第一，这是回顾性基准评估（benchmark），没有前瞻性临床验证，也未报告长期患者结局，距离临床落地还需多中心、前瞻性研究。第二，论文摘要未报告具体量化指标，且模型在不同机构、不同染色与扫描设备上的泛化表现尚需外部验证——尤其罕见癌种的样本稀缺问题依然存在。

6. 结论与产业启示

这项研究给出一个清晰信号：把病理诊断的层级依赖显式建模进 AI，能让模型「更准、更一致、更可解释」——这正是病理 AI 从「检测病灶」走向「辅助决策」的关键一步。这与我们此前关注的病理基础模型 PRISM2和可解释病理 AI PathPrism一脉相承，共同指向「可解释、贴合临床工作流的病理 AI」这一落地方向。

对医疗 AI 企业有三点建议：一是把「层级依赖 + 顺序推理」纳入架构设计，让模型输出贴合医生真实决策路径；二是把「可追溯的推理链」作为病理 AI 的标配，降低黑箱风险、便于质控复核；三是补足罕见类别与外部验证，避免长尾癌种成为落地短板。

这也正是思陌智能科研服务长期投入的方向：面向医学影像 AI 与临床决策支持，提供从模型开发、可解释性设计到多中心验证的完整科研服务，协助团队把病理 AI 从论文原型推进到可落地的临床评估。

相关问题

Q：AUGUST 已经能用于临床自主诊断了吗？

A：不能。这是回顾性基准研究，作者将其定位为病理医生的决策辅助工具，并未声称可独立诊断。论文也未报告前瞻性临床验证，任何诊断结论仍需病理医生复核，落地前需多中心、前瞻性研究。

Q：会取代病理医生吗？

A：不会。AUGUST 的价值在于「辅助」——用透明推理链帮医生复核与提升一致性，而非替代。它更像第二阅片人或教学工具，最终诊断责任仍在医生。

Q：测试的是模型还是完整产品？

A：是 AUGUST 研究原型系统，不是已获批上市的商业产品。它在特定数据集上验证，能否迁移到其他医院、不同染色与扫描设备，仍需外部验证。患者不应据此自行解读病理结果。

参考文献

1. Quoc KN, Song J, Lee C, et al. Sequential question answering AI for hierarchical gastric pathology diagnosis. npj Digital Medicine. 2026. DOI: 10.1038/s41746-026-03107-1
2. Li H, et al. End-to-end multimodal pathology foundation model with clinical dialogue. Nature Medicine. 2026. DOI: 10.1038/s41591-026-04521-4

本文基于 Sequential question answering AI for hierarchical gastric pathology diagnosis 的独立解读，仅供学术交流，不构成临床建议。