一張切片能否決定治療強度？AI在直腸癌試驗中找出可能受益族群

局部晚期直腸癌的治療有一道棘手界線：加重化療或許能壓低復發風險，卻也可能帶來嚴重腹瀉、白血球下降等額外負擔。英國研究團隊如今嘗試從診斷時已取得的病理切片中，找出真正可能受益於強化治療的患者，讓治療強度不再只靠粗略的風險分類決定。

研究人員以人工智慧病理模型分析第三期ARISTOTLE試驗中的414份直腸癌活檢切片。模型先辨認腫瘤與周圍組織，再計算其中癌細胞的密度；414名患者中，188人被歸為高腫瘤細胞密度，226人屬於低密度。這套方法處理的是常規顯微影像，不需另做基因定序或特殊染色。

ARISTOTLE原本比較兩種術前方案：卡培他濱合併放射治療，以及在此基礎上加入伊立替康。整體試驗先前僅顯示加入伊立替康的效益有限；但在這次事後分析中，高腫瘤細胞密度患者接受強化方案後，癌症復發風險約低43%，死亡風險約低50%。低密度患者則未見明顯差異。

這項結果的意義，不是AI自行選出新藥，而是把病理切片中難以由人工快速、穩定量化的訊號，轉化為一項可能預測治療效益的生物標誌。若後續證實有效，臨床醫師或可在治療開始前辨識較可能從伊立替康獲益的人，同時讓其餘患者避免不必要的毒性。

不過，這仍是一項從既有試驗資料回頭尋找治療反應差異的分析，而非預先設定、專門驗證AI分群策略的臨床試驗。樣本也只涵蓋原試驗中可供分析的414份切片；不同醫院的取樣、染色、掃描設備與影像品質，是否會改變分類結果，現有資料尚不能充分回答。

因此，約43%與50%的數字應視為特定分群中的關聯估計，而不能直接套用到所有局部晚期直腸癌患者。研究團隊已將分析工具製成可上傳切片的線上系統，但在獨立患者群、預先規畫的研究及臨床流程中完成驗證之前，它還不能用來決定個別患者是否加用伊立替康；模型品質控管、責任歸屬與醫療軟體監管，也都是進入常規照護前必須處理的環節。