以色列理工學院（Technion – Israel Institute of Technology）研究團隊開發出一款人工智慧（AI）模型，能輔助醫師精準判斷乳癌患者腫瘤切除後的化療需求。這項創新工具透過分析病理切片影像，預測癌症復發風險及化療潛在效益，有望解決傳統基因檢測成本高昂與可近性不足的問題。
這款AI模型運用高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，無需昂貴的基因檢測，即可估算Oncotype DX 21基因復發評分。研究人員指出，AI能辨識出人眼難以察覺的腫瘤模式與細微訊號，整合這些線索生成復發風險評分與化療效益預期。以色列理工學院博士後研究員吉爾·夏邁（Gil Shamai）表示：「這些是複雜的生物訊號，人類肉眼無法持續量化。該模型整合了許多細微線索，以生成反映復發風險和化療預期效益的評分。」
該AI模型採多模態深度學習框架訓練而成，整合數位全玻片影像與臨床特徵。其基礎模型預先訓練了171,189張組織病理學玻片，並利用TAILORx隨機臨床試驗中8,000名病患的數據進行微調，以評估其對化療效益的預後與預測性能。該模型不僅在TAILORx試驗數據上獲得驗證，更針對六個獨立病患群體、逾5,000名患者進行外部驗證，在識別高基因風險疾病方面，曲線下面積（AUC）達到0.898。
研究團隊表示，這項技術能有效將患者分為不同復發風險與化療效益組別，甚至能辨識出應避免化療或能從中獲益的特定亞組患者。例如，模型顯示化療對停經前高風險患者具有效益，但對停經後低風險患者則無顯著效果。此外，該模型還能將部分目前被歸類為高風險的患者重新劃分為較低風險類別。研究人員強調：「這是首個數位病理AI模型，其復發評分估計是透過隨機臨床試驗數據進行回溯性評估。」
此AI工具僅需病理玻片的數位化影像，便能在數分鐘內提供預後與治療建議，對於難以獲得基因檢測的患者而言，將是一大福音。研究團隊預計下一步將進行前瞻性驗證研究，並探討將此工具應用於其他癌症類型的可能性。研究人員認為：「這個框架為將AI驅動的風險評估整合到標準決策制定中，提供了一條務實的途徑。」
