A confidence-based, artificial intelligence pathology model for diagnosis of intrahepatic cholangiocarcinoma.

肝内胆管癌（ICCA）是一种罕见但致死率极高的肝实质腺癌。由于ICCA的组织学特征与肝转移癌高度重叠，诊断极具挑战性，常需耗时且昂贵的排除性检查，以排除隐匿性原发灶，导致治疗延迟并增加医疗系统负担。本研究旨在开发并验证一种基于置信度的AI病理模型，以辅助ICCA的诊断，从而减少不必要的检查并加速治疗决策。

本研究回顾性分析了来自欧洲五家中心的544名患者，其中包括ICCA病例或肝外癌症转移病例。研究调查了Ctranspath/HistoBistro、UNI/CLAM和CONCH/TITAN三种基于基础模型的深度学习架构。最终模型AI2CCA在法国、印度和韩国的四个国际中心对161名患者进行了前瞻性验证。

在回顾性测试集中，CONCH/TITAN架构表现最佳，AUROC达到0.840。通过G-ODIN方法获得的预测熵在错误分类病例中显著更高，证实了其作为置信度指标的有效性。实施置信度阈值后，AUROC提高至0.958，假阳性率（FPR）为0，同时保留了46%的样本用于高置信度预测。在前瞻性验证中，AI2CCA在法国队列和亚洲队列中的AUROC分别为1.00和0.965，亚洲队列中仅有一例误诊。

本研究证实了基于置信度的AI生物标志物在辅助肝癌诊断中的实际临床效用。该工具能够准确区分肝内胆管癌与转移瘤，有望减少不必要的诊断性检查，并加速治疗决策过程，具有重要的临床意义。