AI判讀腫瘤基因活性，免疫療法選人可望更精準

免疫療法最令人振奮之處，也正是臨床上最棘手的地方：同一類藥物可能讓某些病人的癌症長期受控，對另一些人卻幾乎沒有作用。若能在治療前更準確判斷誰可能受益，醫師就能少一分盲目等待，病人也可能少承受一段無效治療的時間。

根據Medical Xpress報導，哈佛醫學院研究團隊與合作者開發的人工智慧模型COMPASS，目標是預測癌症病人對免疫檢查點抑制劑（ICIs）的反應。研究結果發表於《Nature Medicine》。這類藥物透過解除PD-1、PD-L1或CTLA-4等免疫煞車，使T細胞重新辨識並攻擊癌細胞，但不同癌別與個體之間的反應差異很大。

COMPASS分析的不是單一基因突變，而是近1.6萬個與免疫細胞狀態、腫瘤微環境互動及訊號路徑相關的基因活性。研究團隊先用癌症基因體圖譜中33種癌症、逾1萬個腫瘤資料訓練模型，再利用16項免疫檢查點抑制劑臨床試驗、涵蓋7種癌症的結果進行微調與測試。

在評估方式上，研究人員採取逐一排除臨床試驗的設計：把某一試驗資料暫時拿掉，讓模型預測該試驗中的病人誰會有反應，再與實際結果比較。報導指出，COMPASS平均比既有最佳方法提升約8.5%至近10%的預測表現，且在不同癌別、藥物方案、轉錄體定序平台與切片來源中仍維持優勢。

這項研究較有意義的一點，在於模型設計強調可解釋性，而非只輸出一個高低分數。報導稱，COMPASS能指出預測背後的生物學線索，例如有些看似免疫細胞浸潤充足的腫瘤仍未反應，可能與抑制免疫作用的基因表現程序有關；反過來，有些「免疫荒漠」型腫瘤雖缺乏典型浸潤特徵，仍可能帶有促進其他免疫活性的分子訊號。

若這些結果能在未來前瞻性臨床試驗中成立，COMPASS可能成為醫師選擇免疫檢查點抑制劑時的輔助工具，也可能協助臨床試驗更精準招募適合受試者。對研究端而言，可解釋模型產生的訊號還可能指向新的藥物靶點或合併治療假說。

不過，眼前的證據仍主要來自既有資料與回顧性驗證，不能直接等同於臨床可用的診斷工具。真正進入照護現場前，還必須回答幾個問題：模型在不同醫院與族群中的穩定性如何、所需基因表現檢測是否能標準化、預測錯誤會如何影響治療選擇，以及監管機構將如何評估這類會隨資料更新而演進的AI醫療工具。