以色列理工學院的最新研究揭示，一款創新的人工智慧（AI）模型，能精準評估乳癌患者腫瘤切除後的化療需求。這項技術透過分析病理切片影像，有效預測癌症復發風險與化療效益，有望大幅降低傳統基因檢測的高昂成本與提升可近性，為乳癌治療帶來革命性變革。
AI 模型革新乳癌化療評估
近期，以色列理工學院的研究團隊成功開發出一款人工智慧模型，旨在輔助醫師更精確地判斷乳癌患者在腫瘤切除手術後，是否需要接受化學治療。這項先進的AI工具，僅需透過分析高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，便能有效估算目前廣泛使用的 Oncotype DX 21基因復發評分。此舉不僅突破了傳統基因檢測面臨的成本高昂與普及性不足等挑戰，更為患者帶來了更具效益的治療選擇。
研究人員指出，這款AI模型能夠辨識出人眼難以察覺的腫瘤模式與細微生物訊號，並將這些複雜的線索整合，進而生成精確的復發風險評分及化療潛在效益預期。以色列理工學院博士後研究員吉爾·夏邁（Gil Shamai）對此表示：
「這些是複雜的生物訊號，人類肉眼無法持續量化。該模型整合了許多細微線索，以生成反映復發風險和化療預期效益的評分。」
透過這種方式，AI能夠提供更客觀且一致的評估，協助醫療團隊做出更明智的治療決策。
多模態深度學習框架與數據驗證
這款AI模型採用了先進的多模態深度學習框架進行訓練，巧妙地整合了數位全玻片影像與多項臨床特徵。其基礎模型在前期階段，已利用高達 171,189張組織病理學玻片進行預訓練，建立了龐大的影像分析基礎。隨後，研究團隊進一步利用來自 TAILORx 隨機臨床試驗中8,000名病患的數據進行微調，以精確評估其在預後與預測化療效益方面的性能。
此模型的驗證過程極為嚴謹，不僅在 TAILORx 試驗數據上獲得確認，更針對六個獨立的病患群體、超過 5,000名患者進行了外部驗證。數據顯示，該模型在識別高基因風險疾病方面，其曲線下面積（AUC）達到 0.898，展現出卓越的診斷準確性。這項成果凸顯了AI在精準醫療領域的巨大潛力。
AI 辨識亞組患者的治療差異
這項創新技術的關鍵價值之一，在於其能有效將乳癌患者細分為不同的復發風險與化療效益組別。更令人振奮的是，該模型甚至能夠精準辨識出哪些特定亞組患者應避免化療，以及哪些患者能從中獲得顯著益處。例如，數據分析結果明確指出，化療對於停經前的高風險患者具有顯著效益，但對於停經後的低風險患者，則未顯示出明顯的效果。此外，該模型還具備將部分目前被歸類為高風險的患者，重新劃分為較低風險類別的能力，有助於避免不必要的過度治療。
研究人員強調，此項成果標誌著數位病理AI模型發展的一個重要里程碑：
「這是首個數位病理AI模型，其復發評分估計是透過隨機臨床試驗數據進行回溯性評估。」
這代表了其評估結果具有高度的臨床實證基礎與可信度。
數據背後的啟示
這款人工智慧工具僅需病理玻片的數位化影像，便能在數分鐘內提供精確的預後與治療建議。對於那些身處資源有限、難以獲得昂貴基因檢測的患者而言，這無疑是一大福音，大幅提升了醫療的可近性與公平性。研究團隊已規劃下一步將進行前瞻性驗證研究，並積極探討將此工具應用於其他癌症類型的可能性，預期將能擴大其臨床應用範圍。研究人員總結道：
「這個框架為將AI驅動的風險評估整合到標準決策制定中，提供了一條務實的途徑。」
這項研究不僅展示了AI在乳癌治療領域的巨大潛力，更為未來精準醫療的發展奠定了堅實的基礎。
