以色列理工學院（Technion – Israel Institute of Technology）研究團隊近期開發出一款創新型人工智慧（AI）模型，旨在協助醫師更精準地判斷乳癌患者在腫瘤切除後是否需要接受化學治療。這項技術透過分析病理切片影像，能夠預測癌症復發風險及化療的潛在效益，有望解決傳統基因檢測成本高昂且可近性不足的長期問題。
AI模型如何革新乳癌化療決策？
這款AI模型的核心在於其能夠運用高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，無需進行昂貴的基因檢測，即可有效估算Oncotype DX 21基因的復發評分。該模型透過深度學習技術，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，並將這些複雜的線索整合起來，最終生成一份反映復發風險與化療預期效益的評分，為臨床決策提供重要依據。
以色列理工學院博士後研究員吉爾·夏邁（Gil Shamai）指出：「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。」
從數據驗證看AI的精準預測能力
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病患的臨床特徵。其基礎模型預先訓練了高達 171,189張組織病理學玻片，並進一步利用TAILORx隨機臨床試驗中 8,000名病患的數據 進行微調，以評估其對於化療效益的預後與預測性能。該模型不僅在TAILORx試驗數據上獲得驗證，更針對六個獨立的病患群體、逾 5,000名患者 進行外部驗證，在識別高基因風險疾病方面，曲線下面積（AUC）達到 0.898，展現出卓越的精準度。
研究團隊強調，這項技術能有效將患者分為不同復發風險與化療效益組別，甚至能精確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，模型分析顯示化療對於停經前的高風險患者具有顯著效益，但對停經後的低風險患者則未見明顯效果。此外，該模型還能將部分目前被歸類為高風險的患者，重新劃分為較低的風險類別，進一步優化治療策略。
AI技術的臨床應用潛力與未來展望
研究人員指出，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，這大大提升了其臨床應用的可信度。此AI工具僅需病理玻片的數位化影像，便能在數分鐘內提供預後與治療建議，對於難以獲得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效率。
展望未來，研究團隊預計將進行前瞻性驗證研究，以進一步鞏固此工具的臨床實用性。同時，他們也將探討將此AI框架應用於其他癌症類型的可能性，期盼能擴大其對癌症診斷與治療決策的影響力。研究人員相信，這個框架為將AI驅動的風險評估整合到標準決策制定中，提供了一條務實且高效的途徑，預示著癌症治療精準化時代的來臨。
