同一套直腸癌療法，誰真正受益？病理AI從腫瘤細胞密度找到線索

治療局部晚期直腸癌時，多加一種化療藥物，未必對所有患者都有好處，卻可能帶來更重的副作用。英國研究團隊如今利用人工智慧重新檢視一項大型臨床試驗的病理切片，找到一群過去被整體結果掩蓋的患者：腫瘤細胞密度較高者，似乎更能從伊立替康（irinotecan）與標準化學放射治療的組合中受益。

這項事後分析取材自第三期ARISTOTLE試驗。該試驗涵蓋英國75家醫院，原本用來評估在卡培他濱合併放射治療的基礎上加入伊立替康，能否改善局部晚期直腸癌患者的結果；完整試驗並未顯示所有受試者普遍受益。研究人員因此轉向治療前的活體切片，詢問腫瘤本身是否藏有可辨識的差異。

團隊把以大型開放資料集訓練的病理AI應用於414張切片影像，讓系統辨識腫瘤區域、區分癌細胞與其他細胞，並計算腫瘤細胞密度。分析將188份樣本歸入高密度組、226份歸入低密度組；這類需逐一辨識大量細胞的工作，若完全仰賴人工，在大型研究中既耗時，也難以維持一致尺度。

結果顯示，在高密度組中，加入伊立替康與復發風險約降低43%、死亡風險約降低50%相關；死亡風險的估計來自五年追蹤。低密度組則未呈現相同效益。這項結果提供了一種可能解釋：一項對整體族群成效有限的治療，仍可能對具特定組織學特徵的患者有價值。

這種分群若能成立，臨床意義不只在於找出該加強治療的人，也包括讓不太可能受益者免於額外毒性。伊立替康可能增加腹瀉與白血球下降等負擔，因此在療效不確定時，治療升級並非沒有代價。研究團隊已建立可上傳切片進行分析的線上工具Octopath，但工具可供使用，不等於已具備支援醫療決策的證據。

目前最關鍵的限制，是這仍屬於既有試驗資料的事後分組，而不是依AI結果預先分派治療的前瞻性試驗。研究團隊也明確指出，必須先在獨立患者群中重現結果，並進一步確認不同醫院、掃描設備與切片流程下的穩定性，才能界定分類門檻及臨床用途。在這些驗證完成前，腫瘤細胞密度較適合作為值得測試的預測性生物標記，而非直接決定是否加入伊立替康的依據。