技术解读：南方医科大学南方医院团队在 6 个队列 1501 例患者上验证了多模态病理模型 DeepLNM------把原发灶 H&E 全切片、CT 影像和病历文本三路数据用 SIM-MIL 模块做跨模态融合，预测结直肠癌淋巴结转移。本篇从工程落地角度拆它的多模态架构与四级证据链。
多模态AI把病理切片、CT影像和病历文本合起来看，预测结直肠癌有没有淋巴结转移，前瞻队列AUC达0.845，还帮初级病理医生把诊断准确率提到95%--97%。
结直肠癌是全球第四大癌症死因，淋巴结有没有转移（N分期）直接决定患者要不要追加化疗，但微小转移灶在大量切片里极易被漏掉。南方医科大学南方医院联合珠江医院、河北医科大学第四医院等单位，在《Advanced Science》上发表了DeepLNM------一个多中心多模态模型，用回顾、外部、前瞻加用户研究四级证据做验证。
在6个队列共1501例患者上，DeepLNM内部队列AUC 0.922，两个外部队列0.872和0.848，来自注册临床试验（NCT07239063）的前瞻队列0.845，换到组织学差异很大的胃癌上泛化也有0.793。用户研究里，初级病理医生在AI辅助下诊断准确率提升到95.0%--97.3%，用时更短、信心更高。
它做的不只是读片。过去结直肠癌淋巴结转移的AI大多只看单一模态，DeepLNM把原发灶H&E切片、CT和病历文本三路数据同时纳入，用SIM-MIL模块做跨模态融合，再通过无监督聚类和可视化让医生看懂模型在看什么------其中一类细胞群100%由转移阳性图像块组成、另一类阳性率99.5%。
这类工具若落地，最直接的场景是当病理医生的"第二双眼睛"：对淋巴结多、微转移灶易漏的标本做初筛和可疑区域提示，帮医生把精力聚焦到最该细看的地方，也辅助多学科团队更客观地评估要不要追加化疗。
但要清醒：这是模型开发与验证研究，前瞻队列样本量有限（166例），各队列AUC都没给置信区间，距离随机对照试验证明的临床获益还有距离。它测的是研究阶段的辅助工具，不是已获批的诊断产品，最终诊断仍要病理医生拍板。
本文基于相关论文的独立解读，仅供学术交流，不构成临床建议。
🛠 工程实现要点：
- 架构：三路输入（H&E WSI + CT + 文本）→ 特征提取 → SIM-MIL 跨模态融合与预测聚合 → 输出 LNM 概率
- 数据：6 队列 1501 例（LNM 阳性 640 例、占 42.6%），训练含 TCGA 公共集 + 南医南方内部集共 989 例
- 验证：内部 AUC 0.922，两个外部队列 0.872/0.848，注册试验 NCT07239063 前瞻队列 0.845
- 泛化：跨癌种胃癌队列 AUC 0.793；与 7 个模型对比排名第一
- 可解释：无监督聚类 + UMAP，一类细胞群 100% 由 LNM 阳性图像块组成
论文原文信息链接：结直肠癌有没有淋巴结转移怎么判断？DeepLNM多模态AI融合病理切片+CT+病历，预测AUC达0.922