← 返回首頁

從乳癌切片讀出復發風險:Agendia公布AI模型十年追蹤驗證

研究中的數位病理模型,嘗試從日常染色切片推估70基因檢測的風險訊息。長期資料顯示它能區分預後,但距離取代基因檢測、協助治療取捨,仍有證據缺口。

By SURL BioNews

乳癌手術後是否需要加強治療,往往取決於腫瘤未來復發的可能性。如果日常病理切片也能提供原本須靠基因檢測取得的風險線索,或可讓更多患者接觸到這類評估。Agendia近日公布一項研究中的人工智慧模型驗證結果,顯示切片影像推估的風險分組,與早期乳癌患者的長期預後有關。

這項研究由公司共同創辦人暨研究長Laura van ’t Veer於2026年歐洲腫瘤醫學會(ESMO)年會發表。模型以MammaPrint這項70基因復發風險檢測的結果作為學習依據,使用7萬張去識別化的蘇木精—伊紅(H&E)染色全切片影像訓練,從組織辨識、分類到影像特徵擷取,產生連續風險分數,再劃分為數位高風險與低風險兩組。它推估的是基因檢測所反映的風險訊息,並非直接量測基因表現。

公司結果公告採用RASTER研究中372名早期乳癌患者的資料,中位追蹤時間為10.3年。模型與MammaPrint結果的相關係數為0.954,約半數患者各被歸入高、低風險組。這個數字描述兩者結果的相關程度,不能解讀為模型有95.4%的預測準確率。

更貼近臨床的線索來自長期追蹤:數位低風險組的十年乳癌特異存活率為98.1%,高風險組則為86.7%。在274名雌激素受體陽性、HER2陰性的患者中,兩組分別為98.1%與84.7%;《Clinical Lab Products》的同事件報導也列出這項次群體結果。不過,乳癌特異存活率衡量的是未因乳癌死亡的比例,不能直接當作未復發比例。

會議摘要說明,研究以Kaplan–Meier存活分析及校正臨床病理因素的多變項Cox模型評估表現。公司其後公布,數位風險分類在多變項分析中仍與乳癌特異存活顯著相關,風險比為0.084,p值為0.0002。但預後分組能拉開差距,並不等於已證明依模型結果增減化療,可以改善患者結局。

資料解讀還有兩處需要釐清。RASTER本身是前瞻性研究,這次AI模型驗證卻是回溯分析既有資料,不能視為以前瞻方式測試AI指導治療的試驗。此外,會議摘要列出376名患者,公司結果公告則為372名;目前公開文字未交代差異原因。摘要仍以「預期結果」描述研究,也未列出後續公告的完整數值。

這項方法的吸引力,在於利用原本就會製作的切片,探索更容易取得的風險評估途徑;實際能否節省時間、降低成本,公告尚未提供比較證據。模型目前仍屬研究用途。跨醫院、染色流程與掃描設備的穩定性,以及如何處理與基因檢測不一致的個案,都將影響後續臨床驗證與監管評估;現有結果尚不足以支持用它取代MammaPrint或直接決定治療。

References

  1. Agendia via BioSpace
  2. Agendia
  3. Agendia — ESMO 2026 abstract
  4. Clinical Lab Products