它的技术逻辑并不复杂：肿瘤细胞的排列方式等“形态学信号”，与某些基因突变存在统计学关联。通过学习海量病理数据，这个模型能捕捉到图像中暗示突变的细微特征，相当于用AI“读懂”病理切片里隐藏的基因突变信息。
在实际应用中，DeepGEM有不少实用优势。它采用多示例学习（MIL）架构，不用人工提前标注肿瘤区域，就能自动抓取全切片图像的全局特征；无论是切除活检还是穿刺活检的样本，都能适配使用。而且检测速度快，1分钟内就能完成多种常见肺癌驱动基因突变的预测，精准度覆盖78%-99%区间，还能生成基因突变空间分布图，让突变在组织内的分布直观可见。
2025年，研发团队联合金域医学做了大规模临床验证：依托金域的服务网络和检测量优势，收集了全国30个省份的4260例肺癌患者样本、8520张数字切片。结果显示，它在识别EGFR、KRAS、ALK等肺癌核心驱动基因突变时表现突出，关键性能指标已达到临床辅助诊断参考水平。
对患者来说，这个模型的价值很实际：病情危急时，能快速提供诊疗指引，为救治抢时间；对基层患者，“AI初筛+特定基因位点确认”的模式能让检测成本降低数倍，让精准诊断不再受经济条件限制。目前，它已经在金域医学平台落地，正式服务于临床诊疗。#科技#
注：此文仅代表作者观点