人工智能可能更好地预测癌症生物标志物和患者生存率
发布日期：2025-08-08近日，一项发表在《通讯医学》杂志上的研究揭示，在部分癌症患者群体中，基于人工智能（AI）的图像分析模型相较于传统辅助诊断手段，展现出更卓越的癌症生物标志物预测能力及患者存活率评估准确性。该研究成果不仅在学术期刊上得到详细阐述，更在生物与精准医学领域的领军企业Caris Life Sciences发布的新闻稿中得以深入解读。
研究突破：AI模型引领肿瘤生物标志物分析新篇章
研究团队在《通讯医学》上撰文指出：“此项研究标志着人工智能在肿瘤生物标志物分析领域迈出了重要一步，凸显了其在优化患者治疗方案、提升治疗效果方面的巨大潜力。”研究结论强调：“我们构建了一个超越传统病理切片分析的新框架，验证了模型在预测免疫治疗关键预后生物标志物方面的有效性，展现了其作为病理学家得力助手的广阔前景。模型生成的热图不仅精准定位了关键病变区域，还促进了病理学家与AI技术的深度融合，共同揭示新的诊断模式与治疗范式，有望重塑患者分层与预后评估体系。长远来看，我们期待AI工具能为当前及未来的临床实践提供全方位支持。”
词汇释义：总体生存期
指患者从确诊至任何原因死亡的时间跨度，不受疾病状态影响。
数据支撑：AI模型分析超3.5万例患者数据
作为研究的重要组成部分，Caris的AI模型对超过35,000名患者的数据进行了深度剖析。以乳腺癌患者为例，该模型精准评估了PD-L1阳性表型状态（即PD-L1蛋白在肿瘤中的表达水平与位置），并预测了接受Keytruda（pembrolizumab）治疗患者的总体生存率。结果显示，AI模型预测的对Keytruda有反应的患者，其死亡风险较未被预测为有反应者降低约一半，而传统PD-L1评分在预测患者生存期方面的效能则显著逊色。
此外，在预测错配修复缺陷及微卫星不稳定性（影响肿瘤行为与治疗反应的关键遗传特征）方面，AI方法与传统评分方法表现相当。
专家观点：AI提升诊断精准度，助力临床决策
Caris首席临床官兼首席病理学家Matthew Oberley博士表示：“传统PD-L1检测可能低估阳性病例，尤其在接近1%阈值时。而Caris的AI模型通过整合两种染色方法特征，显著提高了预测准确性，展现出超越现有生物标志物评估的预后精度。该工具的临床应用将极大提升癌症患者评估的准确性与效率，为临床决策提供有力支持。”
Caris执行副总裁兼首席医疗官George W. Sledge, Jr.博士亦强调：“本研究凸显了AI在提升组织样本评估准确性与效率方面的巨大潜力，有望指导免疫治疗决策，优化患者治疗效果。”
AI在癌症治疗领域的广阔前景
此前，多位专家在与CURE的对话中已指出，AI正逐步改变癌症的治疗与管理模式。北卡罗来纳州温斯顿-塞勒姆威克森林大学医学院的Soroush Rais-Bahrami博士认为：“AI将全面融入患者诊疗的各个环节。”波士顿Dana-Farber Brigham癌症中心放射肿瘤科的高级执业注册护士Richard Boyajian，作为虚拟前列腺癌症诊所的创始人及CURE咨询委员会成员，也表达了类似观点：“AI的互补作用不容忽视，它能简化工作流程，确保关键信息不被遗漏。通过快速整合多维度数据，AI能帮助医生在复杂情境下做出更加全面、精准的决策，为临床实践带来革命性变化。”
