您好,欢迎您

2025 SABCS TOPTALK | Roberto Salgado教授:当AI遇见经典试验,从APHINITY到TAILORx的病理学新发现

12月29日
整理:肿瘤资讯    
来源:肿瘤资讯              

在2025年圣安东尼奥乳腺癌研讨会(SABCS)上,人工智能(AI)在病理学中的应用成为核心议题之一。特别是针对 APHINITY 和 TAILORx 等经典三期临床试验的二次分析,展示了AI技术挖掘既往病理样本潜在信息的临床价值。
相比传统的人工读片,AI算法能否在预后判断和疗效预测上提供额外的增量信息?为此,【肿瘤资讯】在大会现场专访了国际免疫肿瘤生物标志物工作组联合主席、Roberto Salgado教授。Salgado教授结合GS1-05及GS1-08两项大会研究,客观解析了AI定量分析在识别免疫微环境空间特征、筛选潜在获益人群方面的最新进展。

Roberto Salgado
Prof.

国际免疫肿瘤生物标志物工作组(International Immuno-Oncology Biomarker Working Group)联合主席
比利时 GZA-ZNA 医院 病理学家,澳大利亚 Peter MacCallum 癌症中心 名誉研究员
研究方向: 乳腺癌病理学、肿瘤浸润淋巴细胞(TILs)、人工智能在病理诊断中的应用

在本次大会汇报的GS1-06摘要中,APHINITY试验的回顾性分析显示AI评分优于人工评分。这是否意味着AI捕捉到了特定的病理特征?其具体的临床意义是什么?

Prof. Roberto Salgado:
在GS1-05研究中,我们对比了病理学家人工评分、非AI数字化评分以及AI算法评分在4306例患者样本中的表现。我们采用了一个非常严格的“高TILs”定义,即≥60%间质TILs(75百分位数)作为截断值 。

屏幕截图_29-12-2025_142537_.jpeg

数据分析显示,尽管人工评分在观察者间的一致性表现良好,但在预测帕妥珠单抗(Pertuzumab)辅助治疗的获益方面,AI算法展现了更强的敏感性。具体而言,在淋巴结阳性的患者亚组中,AI算法通过识别特定的免疫细胞空间分布特征,额外筛选出了约 10% 的潜在获益人群——这部分患者在传统人工评估中被归类为“低TILs”,但在AI评估下显示出对双靶治疗的响应潜力。

屏幕截图_29-12-2025_142639_.jpeg

实际上,我们的数据显示,相比于单纯的人工评分,AI算法帮助我们多识别出了10%的淋巴结阳性患者,这部分患者能从帕妥珠单抗(Pertuzumab)辅助治疗中显著获益 。这提示我们,AI的价值在于对微环境空间特征的量化,这种“空间指标(Spatial Metrics)”提供了肉眼难以精确捕捉的增量信息。

屏幕截图_29-12-2025_142948_.jpeg

结合Sparano博士汇报的TAILORx研究(GS1-08),两项研究均利用AI对经典试验数据进行了二次挖掘。您如何看待利用既往临床试验数据进行AI模型验证这一趋势?

Prof. Roberto Salgado:
这是一个非常高效且严谨的研究方向。APHINITY和TAILORx这类大型III期随机对照试验,拥有长期、完整且高质量的随访数据(APHINITY的中位随访时间已达74个月 )。这些“金标准”数据是验证新型生物标志物和AI模型的最佳资源。

在TAILORx研究(GS1-08)中,AI不仅处理病理图像,还进一步整合了临床特征与分子数据,构建了多模态模型来预测HR+乳腺癌的远期复发风险。

这种研究模式的优势在于,我们无需耗费数年时间开展新的前瞻性队列研究,而是通过现代技术手段(AI),重新审视已有的生物样本。这不仅极大缩短了生物标志物的探索周期,也使得我们能够从已有的临床结局中挖掘出更为精细的分层标准,从而指导未来的治疗决策。

目前临床医生对AI工具的主要顾虑在于“黑箱效应”和标准化。您认为AI病理技术要真正进入常规临床实践,还需解决哪些关键问题?     

Prof. Roberto Salgado:
这是一个关乎临床落地可行性的关键问题。我们的研究首先证实了人工评分依然具有极高的可重复性(ICC高达0.84 ),这是基石。但AI在此基础上提供了更精细的补充。当前,技术本身已相对成熟,主要的挑战在于 验证(Validation) 与 标准化(Standardization)。

在APHINITY研究中,我们看到AI与人工评分在连续变量上的一致性虽然适中,但在高低分组(75百分位数界值)上的分类一致性达到了约80% 。这说明AI工具在标准化流程下是可靠的。当AI被整合进数字化病理工作流,并被证明能通过精准分层(如筛选出那10%被遗漏的获益人群)来改善生存时,临床信任度自然会建立起来。未来的方向并非是用AI完全取代病理医生,而是将其定位为一种“临床决策辅助工具”。

专访小结        

综上所述,Salgado教授的观点清晰地表明,基于AI的病理分析正在从单纯的技术探索走向临床验证。通过对APHINITY和TAILORx等高质量临床数据的深度挖掘,AI技术展现了发现隐匿生物学特征、优化患者分层的潜力。随着标准化进程的推进,这一技术有望成为未来乳腺癌精准诊疗体系中的重要一环。





















责任编辑:肿瘤资讯-Kelly
排版编辑:肿瘤资讯-Kelly



版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明"转自:良医汇-肿瘤医生APP"。

评论
12月29日
颜昕
漳州市医院 | 乳腺外科
针对 APHINITY 和 TAILORx 等经典三期临床试验