以色列理工學院開發的AI模型主要功能是什麼？

這款AI模型能輔助醫師精準評估乳癌患者腫瘤切除後是否需要化療，透過分析病理切片影像來預測癌症復發風險及化療潛在效益，取代傳統高成本的基因檢測。

此AI模型如何運作以評估化療需求？

該AI模型運用高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，無需昂貴的基因檢測，即可估算Oncotype DX 21基因復發評分，並識別人眼難以察覺的腫瘤模式與細微訊號，進而生成復發風險評分與化療效益預期。

此AI工具的臨床驗證成果如何？

該模型基於171,189張組織病理學玻片預訓練，並利用TAILORx隨機臨床試驗中8,000名病患數據微調。在針對六個獨立病患群體、逾5,000名患者進行外部驗證時，其識別高基因風險疾病的曲線下面積（AUC）達到0.898。

以色列理工AI模型精準預測乳癌化療效益：病理切片影像取代高價基因檢測

根據以色列理工學院的最新研究，一款創新人工智慧（AI）模型已成功開發，能輔助醫師精準評估乳癌患者術後是否需要化療。這項AI模型透過分析高解析度病理切片影像，預測癌症復發風險與化療潛在效益，有望解決傳統基因檢測成本高昂及可近性不足的長期挑戰，為乳癌治療帶來革命性變革。

數據洞察：AI如何解讀病理切片影像

這款革新的AI模型，其核心數據發現在於能夠運用高解析度的蘇木精及伊紅（H&E）染色腫瘤樣本影像，直接估算Oncotype DX 21基因復發評分，而無需依賴昂貴且耗時的基因檢測。其解讀意義在於，AI能夠識別出人類肉眼難以察覺的腫瘤模式與細微訊號，並整合這些複雜線索，進而生成精確的復發風險評分與化療效益預期。以色列理工學院博士後研究員吉爾·夏邁（Gil Shamai）指出，這項技術對產業影響深遠，特別是對於資源有限或基因檢測可近性不足的地區。

吉爾·夏邁表示：「這些是複雜的生物訊號，人類肉眼無法持續量化。該模型整合了許多細微線索，以生成反映復發風險和化療預期效益的評分。」

臨床驗證：多模態深度學習框架的實力展現

此AI模型採用多模態深度學習框架訓練而成，其數據發現整合了數位全玻片影像與臨床特徵。基礎模型預先訓練了171,189張組織病理學玻片，並利用TAILORx隨機臨床試驗中8,000名病患的數據進行微調，以評估其對化療效益的預後與預測性能。這項嚴謹的訓練與驗證過程，充分展現了其解讀意義的可靠性。不僅在TAILORx試驗數據上獲得驗證，更針對六個獨立病患群體、逾5,000名患者進行外部驗證，在識別高基因風險疾病方面，曲線下面積（AUC）高達0.898。這項成果對產業影響巨大，證明了AI模型在不同患者群體中具備穩健且高度準確的預測能力。

以下為AI模型訓練與驗證數據概覽：

精準分層：優化乳癌化療策略

這項AI技術的數據發現，能有效將患者分為不同復發風險與化療效益組別，甚至能辨識出應避免化療或能從中獲益的特定亞組患者。其解讀意義在於，例如模型顯示化療對停經前高風險患者具有顯著效益，但對停經後低風險患者則無顯著效果。此外，該模型還能將部分目前被歸類為高風險的患者重新劃分為較低風險類別，這對產業影響而言，意味著醫師能做出更個人化、更精準的治療決策，避免不必要的化療副作用與醫療資源浪費。研究人員特別強調：

「這是首個數位病理AI模型，其復發評分估計是透過隨機臨床試驗數據進行回溯性評估。」

以下為AI模型對乳癌患者化療效益的預測案例：

數據背後的啟示：AI輔助醫療決策的未來

這款AI工具僅需病理玻片的數位化影像，便能在數分鐘內提供預後與治療建議，對於難以獲得基因檢測的患者而言，無疑是一大福音。其所提供的精準且快速的評估，為乳癌治療決策帶來前所未有的效率與可近性。研究團隊預計下一步將進行前瞻性驗證研究，並積極探討將此工具應用於其他癌症類型的可能性。這項技術的發展，不僅是醫療科技的突破，更是實踐個人化精準醫療的關鍵一步。