基于人工智能的新型生物标志物为早期洞察治疗反应提供新途径

2025年10月20日

四项研究的结果为AI驱动的病理学、影像学及多组学数据指导临床决策的潜力提供了进一步证据。

图片来源：ESMO

肿瘤学领域的人工智能研究持续快速发展，2025年ESMO大会(柏林，10月17-21日)上大量探索AI技术在癌症预后判断和治疗反应预测潜力的摘要便是明证。“我们正在见证向个性化医疗的范式转变，影像学和基于血液的生物标志物有助于更精准、更安全地指导治疗，”西班牙马德里国家癌症研究中心的法蒂玛·阿尔沙鲁尔博士评论道。“虽然一些检测方法，如循环肿瘤DNA，在很大程度上仍处于研究领域，但其他技术，包括对CT扫描和病理切片的AI分析，已经在临床实践中得到应用。”

对AtezoTRIBE研究的一项分析(摘要 725O，关键结果见下文框)中开发的AI驱动生物标志物预测模型便是一个例证。该模型旨在预测在161名错配修复功能正常的转移性结直肠癌患者中，在FOLFOXIRI-贝伐珠单抗基础上加用阿特珠单抗的临床获益。基于对全切片图像的AI分析被归类为“生物标志物高表达”的患者中，与FOLFOXIRI联合贝伐珠单抗相比，加用阿特珠单抗分别获得了更长的中位无进展生存期和中位总生存期。而在“生物标志物低表达”患者中未观察到阿特珠单抗的获益。这些发现在AVETRIC研究的分析中得到了验证。

“这种方法可以无缝整合到病理工作流程中，帮助临床医生避免不必要的毒性，并为不太可能获益的患者调整治疗方案，”阿尔沙鲁尔说。“AI使我们能够超越人眼在组织学切片上所能识别的信息，量化肿瘤微环境，以识别最可能对免疫检查点抑制剂产生反应的患者。”

在NERO试验中，基于AI的影像分析和多组学数据成功预测了接受尼拉帕利治疗的复发间皮瘤患者的结局(LBA106，关键结果见下文框)。研究使用AI模型ARTIMES分析了85名患者的CT扫描，并对存档组织进行了测序以量化瘤内异质性。结果显示，治疗前的肿瘤体积对总生存期具有预后价值，并且在ITH高的患者中，尼拉帕利对比积极症状控制观察到了显著更长的PFS，而在ITH低的患者中则无此差异。

正如阿尔沙鲁尔所解释的：“间皮瘤是一种众所周知的难以测量的疾病，标准的RECIST评估常常不准确且主观。在这里，AI模型ARTIMES提供了一种客观、可重复的方法，从常规CT扫描中量化肿瘤体积。当与基因组数据结合时，它有助于识别哪些患者最可能对PARP抑制剂产生反应。”她补充道：“这种AI-基因组双管齐下的方法具有多重应用——首先是预测预后，其次是筛选可能从特定治疗中获益的患者。”

两项研究表明，AI驱动的影像学生物标志物可以预测非小细胞肺癌的治疗反应和结局。在AEGEAN试验的探索性分析中，从筛查到手术期间影像组学特征的变化预测了完全病理缓解。加入第3周期第1天的ctDNA状态略微改善了预测。无论是否结合ctDNA，影像组学发现也与无事件生存期相关。在CROWN试验的事后分析中，根据AI评估的脑部病灶早期反应，将伴有基线脑转移的ALK阳性患者分为低危组与高危组，低危组的中位无进展生存期显著更长。

AI衍生的肺部肿瘤特征也显著预测了无基线脑转移患者的PFS。相比之下，首次随访时的RECIST结果在两个亚组中均未显著预测PFS。“这些研究非常有前景，”阿尔沙鲁尔说。“通过将非侵入性的CT影像与AI驱动的指标相结合，并在某些情况下结合ctDNA，我们可以早期识别哪些患者可能产生反应，优化治疗决策，并避免延误或不必要的侵入性操作。”

阿尔沙鲁尔总结道：“纵观这些研究，AI持续增强了我们测量、预测和个性化治疗反应的能力。无论是通过数字病理学、影像学还是多组学，我们正在迈向一个数据驱动的肿瘤学模式，其中算法与临床判断相辅相成。”