一项全球回顾性研究发现，医生使用人工智能算法计算患者的肿瘤浸润淋巴细胞（TILs）时，其一致性显著高于仅由病理学家手动测量，且这些测量结果与患者的预后有显著关联。
AI对肿瘤浸润淋巴细胞的量化可能帮助医疗团队判断哪些患者术后应接受免疫治疗，哪些则不需要。
耶鲁大学医学院病理学和医学肿瘤学教授David Rimm博士表示：“这真的非常棒，因为它做到了病理学家难以做好的事情。这种AI工具将帮助病理学家在术后肿瘤管理方面为患者提供最佳信息。”
“临床痛点”
此前已有研究报道了免疫治疗药物如默克公司的Keytruda（帕博利珠单抗）、百时美施贵宝公司的Opdivo（纳武利尤单抗）和Yervoy（伊匹木单抗）对黑色素瘤患者的益处。
然而，免疫治疗的响应率仍然较低。
据研究背景介绍，只有约20%的III期黑色素瘤患者能从免疫检查点抑制剂中获益。
此外，免疫检查点抑制剂也可能引发严重的不良反应。
Rimm表示：“我认为这是一个临床痛点。当医生们在患者手术切除黑色素瘤后进行管理时，其实缺乏明确的治疗指导。虽然所有的证据都指向使用免疫治疗，但他们在用药时往往持谨慎态度，因为他们知道这些药物的副作用可能非常严重，甚至改变患者的生活。”
他补充道：“我有一位肿瘤科的朋友曾遇到一位患者经历了整个治疗过程，他说‘他现在还活着，但因为药物带来的毒性太多，他不确定自己是否比去世更好’。”
此前的研究表明，TILs的数量、类型和空间分布对乳腺癌、肺癌和结直肠癌患者的预后具有预测价值。黑色素瘤患者中TILs数量越高，通常预后越好。
尽管越来越多的医疗机构开始使用TIL评估，但这一评估尚未成为标准诊疗手段。而且，不同病理学家之间的TIL测量结果差异巨大。
Rimm和他的团队希望研究AI是否能够减少这种差异。
他表示：“我们想尝试预测哪些患者即使不接受治疗也不会复发。如果你能以高置信度做出这种预测，那么就可以避免开具免疫治疗药物。”
研究人员在111名黑色素瘤患者（中位年龄61岁，年龄范围25-87岁，50.5%为男性，74.8%为I期疾病）的队列中测试了该AI系统。
共有来自39家机构的67名人员参与了TIL评估。
在AI辅助组中，38人（包括病理学家和非病理学家）评估了TIL。在手动组中，29名病理学家参与了评估。
AI的分析有效性和临床有效性是本研究的主要终点。
“这是病理学家的工具”
AI辅助组在电子面积-间质TIL百分比（组内相关系数ICC = 0.92；95% CI，0.89-0.94）、每平方毫米电子面积TIL数量（ICC = 0.92；95% CI，0.89-0.94）、电子间质TIL百分比（ICC = 0.91；95% CI，0.87-0.94）、电子TIL百分比（ICC = 0.94；95% CI，0.92-0.96）和电子总TIL百分比（ICC = 0.92；95% CI，0.89-0.94）等测量中均表现出极小的变异。
研究人员指出，在AI辅助组中，病理学家和非病理学家之间的结果没有显著差异。
他们写道：“AI组观察者之间的唯一可能变异来自于操作者对感兴趣区域选择的差异。”
而在手动组中，根据TIL工作组指南，间质TIL评分（ICC = 0.6；95% CI，0.51-0.7）具有“良好的可重复性”，但肿瘤内TIL评分（Kendall W = 0.44）则“一致性较低”。
Rimm表示：“我其实早就预料到这种情况。我做病理学家已经30年了，我知道我们能做什么、我们擅长什么，也知道我们不擅长什么。这项工作就是我们不擅长的领域之一。”
AI辅助的TIL评分在黑色素瘤特异性生存率方面表现出显著的预后关联（使用中位数临界点：HR = 0.45；95% CI，0.26-0.8）。
手动间质TIL评分在10%临界点下也显示出显著的预后关联（HR = 0.45；95% CI，0.26-0.79），但在30%临界点下则不显著。
Rimm表示：“如果患者通过多种方法测量出TIL水平较高，那么他们不复发的可能性是低TIL患者的两倍。”
研究人员承认了研究的局限性，包括其回顾性设计。
Rimm强调需要进行前瞻性研究。
他表示：“最大的问题是，当我们在实际给予免疫治疗时，AI的表现如何？我们现在只是在看预后。这些数据是在免疫治疗尚未成为选项之前收集的。现在，我们需要在免疫治疗时代测试它，看看它是否真的可以帮助我们选择那些不需要免疫治疗但预后同样好、甚至更好的患者。”
目前，一项名为SCARLET的类似试验正在乳腺癌领域进行。
Rimm表示：“这项试验的目的是去除一种蒽环类药物。这是一个复杂的临床试验，涉及全球多个国家2500名乳腺癌患者。正是这种试验将改变临床实践。”
Rimm预计未来TIL评估将成为黑色素瘤的标准诊疗手段。
他表示：“我认为这项检测可能在3到5年内就会在临床上投入使用。”
他补充道：“这不是要取代病理学家，而是为病理学家提供一个工具。使用这个工具的病理学家将比不使用的医生更好地服务于患者。”
如需更多信息：
David Rimm博士可通过电子邮件联系：david.rimm@yale.edu
发表来源：
Aung TN, et al. JAMA Netw Open. 2025;doi:10.1001/jamanetworkopen.2025.18906.
利益声明：
Rimm博士报告从阿斯利康、Cell Signaling Technology、Cepheid、第一三共、丹纳赫、Halda Biotherapeutics、Incendia、NextCure、Nucleai、Paige AI、再生元和赛诺菲获得个人咨询费；并从Cepheid、柯尼卡美能达、Leica/Danaher、Lunit、Navigate Biopharma、NextCure和耶鲁大学SPOR发展研究项目获得研究资助。更多作者的利益声明请参见原始研究。
【全文结束】
