美國癌症研究協會（American Association for Cancer Research, AACR）年度會議於日前召開，會中發布一項最新研究，揭示人工智慧（AI）病理學模型在預測轉移性非小細胞肺癌（NSCLC）患者免疫治療反應的重大突破。這項名為「Path-IO」（Pathology-driven Immunotherapy Optimization）的AI模型，能透過分析常規病理玻片，精準預測患者的治療結果與免疫療法反應，其準確性甚至超越了美國食品藥品監督管理局（U.S. Food and Drug Administration, FDA）認可的標準生物標誌物PD-L1。

根據《Genetic Engineering and Biotechnology News》報導，Path-IO模型利用深度學習技術，識別組織結構中的微觀模式，並將影像分析與臨床數據結合，以評估患者的疾病風險。這項研究已在國際真實世界群組以及第三期隨機臨床試驗中獲得嚴格驗證。研究顯示，在德州大學安德森癌症中心（The University of Texas MD Anderson Cancer Center）的797名接受免疫檢查點抑制劑治療的非小細胞肺癌患者中，Path-IO能將患者分為高風險與低風險兩組。其中，高風險組患者的死亡或疾病惡化風險是低風險組的兩倍以上。

外部驗證數據包含來自妙佑醫療國際（Mayo Clinic）和古斯塔夫魯西研究所（Gustave Roussy）等額外280名患者，進一步證實Path-IO的穩健性。相較之下，傳統的PD-L1在預測整體存活期（OS）和無惡化存活期（PFS）方面的表現有限，C-指數（C-indices）在發現群組中僅為0.58和0.57，測試群組更下降至0.50和0.51。而Path-IO在發現群組的C-指數則分別達到0.69和0.65，在測試群組也維持0.63和0.58的較佳表現。研究團隊進一步發現，將病理學預測與影像學（radiomics）和臨床數據結合，可將整體存活期C-指數提升至0.75，無惡化存活期C-指數提升至0.70，顯示多模態數據整合的潛力。

博士後研究員Rukhmini Bandyopadhyay指出，免疫療法已改變癌症治療格局，但僅部分患者能從中受益，如何預測誰將有反應仍是一大挑戰。她強調，這項研究是首個經過國際真實世界群組及第三期隨機臨床試驗嚴格驗證的深度學習病理學生物標誌物，直接解決了精準腫瘤學中患者選擇和分層的迫切需求。此外，Path-IO方案可無縫整合至現有臨床工作流程，且無需額外昂貴開銷。

在本次AACR會議上，詹姆斯癌症醫院（Ohio State University Comprehensive Cancer Center-James Cancer Hospital and Solove Research Institute）的副教授Ashish Manne也發表了另一項利用AI模型分析常規病理玻片，以識別胰臟癌亞型並連結顯微觀察與患者治療決策的研究。這些進展共同彰顯了AI在病理學領域的應用，正為癌症診斷與精準治療帶來廣泛而深入的影響。未來，此類模型仍需進行前瞻性驗證，並整合更全面的分子分析，以預測患者能從特定免疫療法中獲得的具體益處。