首页 > 文章详情

乘AI之风，破ADC评分之难：Fernando Lopez-Rios教授解析数字病理在肺癌精准诊疗中的新机遇

04月26日

编译：肿瘤资讯

来源：肿瘤资讯

在2026年欧洲肺癌大会（ELCC 2026）的数字病理专题论坛上，来自西班牙马德里12 de Octubre大学医院病理科Fernando Lopez-Rios教授带来了题为《Digital and computational pathology insights》（数字与计算病理学洞察）的精彩演讲。

随着抗体偶联药物（ADC）在肺癌领域的异军突起，传统的免疫组化（IHC）评分标准正面临前所未有的挑战。针对HER2、TROP2等靶点，病理医生如何处理IHC 0与1+的界限？如何应对肿瘤异质性带来的空间评分难题？Lopez-Rios教授在报告中明确指出：数字病理（DP）与计算病理（CP）不再是可选项，而是ADC时代实现精准生物标志物评估的“必需品”。 他系统回顾了数字病理的演进历程，并重点剖析了AI技术在提升ADC疗效预测准确性方面的巨大潜力。

范式转移：从“模拟”病理向“数字与计算”病理的进化

Lopez-Rios教授首先厘清了两个核心概念：数字病理（Digital Pathology, DP）主要关注工作流的数字化（如切片扫描、远程会诊）；而计算病理（Computational Pathology, CP）则涉及利用算法对图像数据进行深度分析。
他指出，病理学正在经历一场革命：

初级阶段：仅作为病理医生的“辅助工具”，提高效率。
高级阶段：解决人类视觉难以克服的局限，如对ADC靶点的定量（Quantification）和空间异质性（Heterogeneity）分析。

图片10.png

图片11.png

图片12.png 图片13.png

破解ADC挑战：AI如何重新定义IHC评分

ADC药物的独特机制（如旁观者效应）要求我们对生物标志物的评估更加精细。Lopez-Rios教授详细解析了AI在ADC领域的“机会窗”：

捕捉“低表达”群体：传统视觉评分难以区分HER2的“极低表达”和“零表达”，而计算病理可以通过像素级分析，实现连续性评分（Continuous Scoring），从而更准确地筛选获益人群。

图片14.png 图片15.png

空间布局分析：肿瘤细胞在切片上的空间分布对于ADC疗效至关重要。AI能够识别肿瘤细胞与周围微环境的关系，这是人类肉眼无法量化的维度。
标准化与一致性：消除不同病理医生之间在IHC评分上的主观差异，确保临床试验结果的可重复性。

落地难点：从“技术验证”到“临床实践”的鸿沟

尽管潜力巨大，但Lopez-Rios教授也务实地指出了目前部署AI模型面临的障碍：

指南缺失： 目前尚缺乏统一的计算病理性能评估和结果解读指南（Performance and Interpretation Guidelines）。
黑盒疑虑： 对于高风险的医疗决策，AI的可解释性（Explainability）仍是临床医生接受它的核心顾虑。
多学科整合： 专家指出，未来的临床决策不应仅依赖于一张报告，而应将数字病理结果整合进分子肿瘤委员会（Molecular Tumor Boards），实现多维数据的共振。

图片16.png

结语与愿景

Fernando Lopez-Rios教授在总结中强调，数字病理与ADC的结合是精准医学的必然趋势。我们不仅要关注“为什么（Why）”需要AI，更要关注“如何（How）”将其转化为临床可用的产品。

专家核心观点总结

ADC的崛起让病理医生必须面对更复杂的IHC评分，AI是解决这一挑战的关键。
计算病理能够提供超越人类视觉的定量信息，特别是在低表达标志物的识别上。
未来需要建立全球统一的AI病理评估规范，并将数字化结果深度嵌入多学科诊疗流程。

参考文献

2026 ELCC.

责任编辑：肿瘤资讯-Nydia
排版编辑：肿瘤资讯-HYF