病理学家在评估皮肤癌肿瘤组织样本时，借助AI工具的表现有所提升。评估结果变得更加一致，患者的预后描述也更为准确。这是由Karolinska Institutet（卡罗林斯卡研究所）主导并与耶鲁大学研究人员合作开展的一项研究得出的结论。
该研究成果发表在《JAMA Network Open》上。
众所周知，肿瘤浸润淋巴细胞（TILs）是包括恶性黑色素瘤（皮肤癌）在内的多种癌症的重要生物标志物。TILs是存在于肿瘤内或附近的免疫细胞，它们会影响身体对癌症的反应。在恶性黑色素瘤中，TILs的存在在诊断和预后中起着重要作用，其高表达量通常被认为是积极的预后因素。
病理学家在恶性黑色素瘤工作中的一项重要任务就是估算TIL的数量。Karolinska Institutet的研究人员现在调查了经过量化TIL训练的AI工具如何影响病理学评估。
这项研究包括98名病理学家和其他专业领域的研究人员，他们被分为两组。一组仅由经验丰富的病理学家组成，他们按照“常规方法”工作，即查看染色组织切片的数字图像，并根据现行指南估算TIL的数量。
第二组则包括病理学家以及其他专业领域的研究人员——所有参与者都有一定的病理图像评估经验。他们同样以“常规方法”查看图像，但获得了AI支持来进行TIL数量的量化。所有参与者共评估了60个组织切片，这些切片均来自恶性黑色素瘤患者。由于研究是回顾性的，因此图像显示的是已经确定诊断和治疗方案的患者组织样本。
借助AI支持的评估在多个方面优于其他方法。其中，可重复性非常高——无论谁进行审查，结果都非常相似。这一点非常重要，因为目前TIL的评估结果可能会因评估者不同而有所差异，这可能危及医疗安全。此外，AI支持的评估还提供了更准确的患者疾病预后信息——由于研究是回顾性的，因此有正确答案可供比较，不过评估图像的人并不知道这个答案。
“基于组织样本了解患者疾病的严重程度对于确定应采取何种强度的治疗至关重要。我们现在有一种基于AI的工具，可以量化TIL生物标志物，这可能在未来有助于治疗决策。”
“然而，在这一AI工具能够用于临床实践之前，还需要进行更多研究，但迄今为止的结果令人鼓舞，表明它可能成为临床病理学中非常有用的工具。”该研究的最后作者、Karolinska Institutet肿瘤病理学系副教授兼活跃临床病理学家Balazs Acs表示。
更多信息：Analytical and Clinical Validity of Pathologist-read versus AI-Driven Assessments of Tumor-Infiltrating Lymphocytes in Melanoma: A Multi-Operator and Multi-Institutional Study, JAMA Network Open (2025). DOI: 10.1001/jamanetworkopen.2025.18906
(全文结束)
