癌症研究 · global
肺癌PD-L1評分僅七成一致:AI與人工判讀的分歧集中低表現邊界
一項993名肺癌患者的研究,讓病理評分門檻附近的差異浮上檯面。AI與病理醫師誰更能預測免疫治療效益,這批會議資料尚未給出答案。
癌症組織上的一道評分門檻,可能影響醫師如何考量免疫治療;但同一份檢體交給人工智慧與病理醫師,未必得到相同分類。一項納入993名日本非小細胞肺癌患者的研究發現,兩者的PD-L1分類一致率為73%,差異尤其集中在陰性與低度表現之間。
這項LC-SCRUM-Advantage/MRD研究使用手術切除檢體,由病理醫師與Lunit SCOPE PD-L1分別獨立評分,預定於10月25日在歐洲腫瘤醫學會(ESMO)2026年會以313P海報發表。日本國立癌症研究中心東病院也在官方議程中列出這項比較研究,並確認由呼吸器內科的善家義貴(Yoshitaka Zenke)擔任發表者。
PD-L1是評估癌症免疫治療時使用的生物標記之一;研究採用的腫瘤比例分數(TPS),描述呈現PD-L1染色的腫瘤細胞所占比例。據News1報導,在≥50%、1–49%及<1%三個表現區間,AI與人工判讀的一致率分別為80%、95%與51%。換言之,最容易出現分歧的,是人工判為陰性的那一組。
Lunit公布的細節更清楚勾勒出這條邊界:211份人工評為TPS低於1%、卻被AI評為至少1%的腫瘤中,有204份的AI分數落在1–10%。這顯示,在這批跨越陰性門檻的案例裡,絕大多數仍屬低度表現。然而,分類不同本身無法證明哪一方更準確,更不能直接推論AI找出了更多會從免疫治療受益的患者。
OncoDaily轉載美國阿拉巴馬大學伯明罕分校腫瘤科醫師Aakash Desai的評論,提醒這批資料來自手術檢體,與晚期肺癌常用的小型切片不同,結果不能直接套用。研究摘要也未確立哪種評分方式更能預測免疫治療效益;要判斷跨過1%門檻的差異是否具有臨床意義,仍須把評分與實際治療結果連結。
這項肺癌分析是Lunit此次公布的五項SCOPE平台研究之一。另一項由法國西部癌症研究所(ICO)主導的AIforHER計畫,比較AI工具辨識乳癌低度與極低度HER2表現的能力;依公司公告,Lunit已進入後續臨床環境評估。兩項研究共同觸及病理量測的一個難題:當治療研究愈來愈重視微弱的標記表現,靠近分類界線的判讀差異,也需要更仔細的驗證。
目前這些結果仍屬學術會議研究。Lunit明確標示,SCOPE產品僅供研究使用,不得用於診斷程序或決策。這批資料帶來的實際價值,是指出需要進一步檢驗的評分區間;從辨認差異走到可靠的臨床工具,還需要不同檢體情境與治療結果的支持。