根據以色列理工學院（Technion – Israel Institute of Technology）的最新研究指出，其團隊成功開發出一款創新的人工智慧（AI）模型，能輔助醫師更精準地評估乳癌患者在腫瘤切除後的化療需求。這項AI工具透過分析病理切片影像，不僅能有效預測癌症復發風險，還能評估化療潛在效益，為傳統高成本且可近性不足的基因檢測提供了一項極具潛力的新選擇。
AI模型核心技術與數據基礎：突破傳統基因檢測限制
數據顯示，這款由以色列理工學院研發的AI模型，運用高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，即可估算目前昂貴且耗時的Oncotype DX 21基因復發評分。這項技術的意義在於，它無需進行高價位的基因檢測，便能提供關鍵的預後資訊，大幅降低了醫療成本與門檻。
研究人員進一步解讀，AI能夠辨識出人類肉眼難以察覺的腫瘤模式與細微生物訊號，並整合這些複雜的線索，生成一套綜合性的復發風險評分與化療效益預期。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。」
這款AI模型採用多模態深度學習框架進行訓練，整合了數位全玻片影像與臨床特徵。其基礎模型預先訓練了171,189張組織病理學玻片，並利用TAILORx隨機臨床試驗中8,000名病患的數據進行微調，以確保其對化療效益的預後與預測性能達到最佳化。
臨床驗證成果：精準劃分風險與化療效益
據以色列理工學院的研究報告，這款AI模型不僅在TAILORx試驗數據上獲得了嚴謹的驗證，更針對六個獨立病患群體、逾5,000名患者進行了外部驗證。數據結果顯示，該模型在識別高基因風險疾病方面，其曲線下面積（AUC）高達0.898，展現了卓越的診斷精準度。
這項技術的解讀意義在於，它能有效將患者分為不同的復發風險與化療效益組別，甚至能辨識出應避免化療或能從中顯著獲益的特定亞組患者。例如，模型分析結果指出，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無明顯效果。更值得注意的是，該模型還能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，這對臨床決策具有深遠的產業影響。
研究團隊強調，這項成果在數位病理AI領域具有里程碑意義：
「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。」
AI工具的實務應用與未來展望：提升醫療可近性
這項創新的AI工具僅需病理玻片的數位化影像，便能在數分鐘內提供精準的預後與治療建議。對於身處偏遠地區或經濟條件受限，難以獲得昂貴基因檢測的乳癌患者而言，這無疑是一大福音，將大幅提升醫療的可近性與公平性。
研究團隊預計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，擴大其在腫瘤學領域的影響力。研究人員認為：
「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。」
這意味著，AI輔助的精準醫療決策有望在不久的將來，成為臨床實踐的標準流程。
數據背後的啟示：精準腫瘤學的新篇章
以色列理工學院開發的這款AI模型，不僅僅是一項技術突破，更是精準腫瘤學領域向前邁進的關鍵一步。它透過結合先進的深度學習技術與大規模臨床數據，為乳癌患者提供了一種更為精準、高效且經濟的化療決策評估工具。這項創新有望改變乳癌的診斷與治療模式，讓更多患者能夠獲得最適切的個人化醫療，同時也為其他癌症的AI輔助診斷與治療開闢了新的道路。
About the Author
