·數字化生物標志物檢測，能夠幫助臨床醫(yī)生在癌癥治療中做出明智和個性化的決策。然而，截至2023年，市場上還少有此類產品被大面積地成熟利用。

人工智能（AI）正在迅速推動數字腫瘤學發(fā)展。

一項由24名擁有第一手計算病理學/病理AI（CPath/AI）經驗的專家參與的共識報告稱，AI將提高診斷準確性，病理技術人員的日常任務將發(fā)生重大變化。到2030年，AI將在病理實驗室中得到常規(guī)且有效的使用。

近期發(fā)表在《柳葉刀》（The Lancet）子刊《eBiomedicine》和《柳葉刀-數字健康》（The Lancet Digital Health）的兩項獨立研究，分別著眼于：基于深度學習的腫瘤浸潤淋巴細胞（TILs，可作為治療癌癥的藥物靶標）評分系統(tǒng)，在黑色素瘤（一種皮膚癌癥）不同時期的預后意義；以及將AI作為獨立讀取器，用于乳房X光檢查工作流程的價值。

兩項針對不同癌癥的研究

第一項研究由德國圖賓根大學（University Of Tuebingen）皮膚科、德國海德堡大學（University of Heidelberg）皮膚科和美國耶魯大學醫(yī)學院（Yale University School of Medicine）病理學系等機構的研究人員共同完成。在該研究中，研究人員使用深度學習算法NN192（一種為標準和數字化TILs評分系統(tǒng)“eTILs”而開發(fā)的算法），對 321個原發(fā)性黑色素瘤和 191個轉移性樣本進行分析。

研究人員發(fā)現，eTILs低評分的黑色素瘤患者，發(fā)生癌癥組織遠處轉移的風險是eTILs高評分患者的兩倍以上，同時，從原發(fā)性黑色素瘤到轉移瘤樣本之間的eTILs評分降低。eTILs評分≤12.2%，同時接受抗PD-1免疫療法治療的患者，其生存結果不良。這證明eTILs對原發(fā)性黑色素瘤樣本具有預測作用，并且eTILs可以預測接受PD-1治療患者的反應和生存結果。

對此，國際免疫腫瘤生物標志物工作組（International Immuno-Oncology Biomarker Working Group）聯(lián)合主席Roberto Salgado表示，免疫細胞的準確定量涉及預后和預測信息，對臨床途徑和定制治療計劃很重要。此外，相較人工評估，計算機的評估結果要準確得多。

第二項研究由瑞典卡羅林斯卡學院（karolinska institute）腫瘤病理學系和瑞典Capio Sankt G?ran醫(yī)院的Karin Dembrower及其團隊完成。

在這項研究中，研究團隊基于Capio Sankt G?ran醫(yī)院從2021年4月1日到2022年6月9日的定期乳腺癌篩查工作，將55581名40-74歲未填充乳房植入物的女性納入研究。研究遵循瑞典乳房X 光檢查國家指南（Swedish National Guidelines for mammography screening），即由兩名放射科醫(yī)生對每名參與者的乳房X 光圖像進行獨立評估，并在任何一人讀片異常的情況下進行共識討論，決定是否進行進一步的影像學檢查。如果進一步檢查依然懷疑患者患有癌癥，則獲取活檢樣本，由病理學家對活檢進行分析并作出明確診斷。

研究中，在兩名放射科醫(yī)生讀片的同時，Insight MMG（一個AI系統(tǒng)）作為一個獨立閱讀器在后臺運行。在共識討論之前，放射科醫(yī)生無法訪問 Insight MMG 獲取信息，共識討論中，放射科醫(yī)生可以訪問 Insight MMG 所有病例的信息，包括任何局部圖像發(fā)現、圖形輪廓和相應的AI異常評分。

研究團隊進行了四種讀片策略，分別考察了兩名放射科醫(yī)生雙讀（標準情況）、一名放射科醫(yī)生和AI系統(tǒng)雙讀、AI系統(tǒng)單讀，以及兩名放射科醫(yī)生和AI系統(tǒng)三讀的實際診斷結果。結果顯示，與標準情況相比，一名放射科醫(yī)生和AI系統(tǒng)雙讀的癌癥檢出率增加了4%，召回率降低了4%；AI系統(tǒng)單讀的癌癥檢出率沒有明顯差別，召回率降低了47%；兩名放射科醫(yī)生和AI系統(tǒng)三讀略微提高了癌癥檢出率，召回率提高了5%，并且共識討論多了近50%。

研究團隊表示，AI系統(tǒng)和人類在讀片時會將某些不同的圖像特征視為可疑癌癥，因此人類和AI系統(tǒng)進行協(xié)同作用，能夠提高乳房X 光檢查中乳腺癌的檢出率。AI系統(tǒng)單讀能夠最大程度降低參與者因多次檢查引起的心理負擔，但這意味著很大一部分乳房X  光檢查永遠不會由醫(yī)生進行評估。兩名放射科醫(yī)生和AI系統(tǒng)三讀能夠最大程度檢測癌癥，然而這必須與檢測成本增加、放射科醫(yī)生短缺等問題進行平衡。

市場仍需不斷發(fā)展

Roberto Salgado表示，數字化生物標志物檢測，能夠幫助臨床醫(yī)生在癌癥治療中做出明智和個性化的決策。然而，截至2023年，市場上還少有此類產品被大面積地成熟利用。

當地時間9月7日，美國癌癥診斷技術研發(fā)商Paige.AI 宣布與美國科技公司微軟（Microsoft）合作構建世界上最大的基于圖像的AI 模型，并將其應用于數字病理學和腫瘤學的發(fā)展。

無獨有偶，當地時間9月11日，美國科技公司戴爾（Dell）與愛爾蘭利默里克大學（University of Limerick）數字癌癥研究中心聯(lián)手開發(fā)AI平臺和數字孿生技術，以推動B 細胞淋巴瘤的預測和診斷研究。

“這是一個非常令人興奮的開始，我們期待戴爾技術團隊的數字支持能加速此項目推進?！崩锟舜髮W分子病理學教授、數字癌癥研究中心數字病理學部門科學主任Paul Murray說，“通過與戴爾技術團隊的合作，我們將能夠進一步了解細胞在癌癥發(fā)展過程中是如何出錯的，并找到診斷和治療癌癥患者的新方法?！?/p>