近日，医渡科技（2158.HK）与中山大学肿瘤防治中心孙颖教授团队合作研究成果《A scalable AI framework for automated TNM staging of 51,242 patients with nasopharyngeal carcinoma》（一种用于51,242例鼻咽癌患者自动TNM分期的AI框架）在线发表于Nature旗下专注精准肿瘤学的期刊《npj Precision Oncology》。该研究探索利用大语言模型结合医学知识约束与反思机制构建AI智能体，用于基于影像报告推理肿瘤标准化TNM分期，为临床诊疗提供辅助工具的同时，也为大规模肿瘤队列研究和真实世界证据生成提供新的技术路径。

肿瘤分期是临床治疗决策、预后评估和医学研究的重要基础。然而，在长期积累的真实世界医疗数据中，由于不同阶段采用的分期标准、记录方式及临床文本存在差异，历史病例中的分期信息往往存在异质性，影响后续生存分析、风险分层以及研究结果的一致性，是肿瘤真实世界研究长期面临的关键痛点。鼻咽癌高度依赖影像报告进行分期，解剖结构复杂、分期版本迭代频繁，历史数据异质性问题尤为突出，非常适合验证 AI 分期技术的价值。

针对这一问题，研究团队构建了一套基于人工智能的鼻咽癌TNM分期框架。该框架将AJCC/UICC第9版肿瘤分期标准、头颈部解剖知识及专家规则融入大语言模型推理过程，并通过二阶段反思机制，对初步分期结果进行校验和优化，实现从影像报告等非结构化临床文本到标准化TNM分期结果的推理。

研究基于中山大学肿瘤防治中心真实世界鼻咽癌队列开展验证，共纳入2010年至2025年间51,242例患者数据。经AI处理后，该队列电子病历中的分期信息覆盖率提升至100%，实现了大规模历史病例TNM分期的标准化。

为验证大规模应用中的可靠性，研究团队进一步分层随机抽取200例病例，由3名肿瘤专家对TNM分期进行标注。结果显示，AI生成的TNM分期结果与专家标注结果保持较高一致性，T、N、M分期一致率分别达到94.5%、89.5%和99.5%，明显高于普通医生的93.0%，87.0%和97.0%。

研究进一步发现，经AI标准化后的分期数据在预后分析中展现出更好的研究价值。与原始电子病历分期相比，基于AI统一后的AJCC/UICC第9版分期数据建立的分析模型获得更高的C-index，并呈现更加清晰的生存曲线区分效果，显示AI驱动的数据标准化有助于提升真实世界肿瘤研究的数据质量和分析能力。

医渡科技长期深耕医疗健康数据智能领域，持续推动人工智能技术在数据治理、临床决策、医学科研等场景中的应用。目前医渡自主研发的AI智能体平台、临床助手Copilot已经在北京协和、中山肿瘤等50多家医院落地应用。背后依托医渡科技自研的“AI医疗大脑”YiduCore，其技术体系涵盖医疗大模型、专病知识图谱、可控可信AI智能体技术、医疗数据治理与挖掘等关键技术，并通过真实临床场景持续验证与迭代。相关技术累计获得400余项发明专利，先后获得国家专利奖、北京市科技进步一等奖等权威认可。医渡科技围绕疾病发生、发展与诊疗全过程，不断推动数据、知识与AI能力深度融合，使技术应用从信息处理走向医疗事件与疾病演化理解、复杂任务推理与决策支持，逐步形成以疾病为核心、连接数据、知识与决策的医疗智能底座。

此前，医渡科技已与中山大学肿瘤防治中心围绕医疗数据智能化、临床科研创新等方向开展合作，探索利用人工智能技术提升临床数据价值转化能力。此次研究进一步基于双方在医学知识与AI技术方面的深度积累，将大模型智能体技术应用于复杂肿瘤分期标准化任务，不仅为临床诊疗工作提供高效辅助工具，也为大规模真实世界数据的标准化治理和临床研究效率提升提供了新的路径。

未来，医渡科技将继续携手临床专家和科研机构，探索人工智能在更多医疗场景中的应用，以技术能力助力医疗数据价值释放，推动医疗创新发展。