
随着数字病理与人工智能技术的深度融合,基于病理图像的AI生物标志物成为肿瘤预后评估的新兴方向,为前列腺癌精细化风险分层提供了全新思路。一种新型仅基于图像的AI生物标志物和先前开发的多模态AI(MMAI)生物标志物已被证实可用于预测DM和PCSM的风险。
在此背景下,一项题为《Image - only and Multimodal AI Digital Pathology Biomarkers Demonstrate Consistent Risk Stratification Across Standard Prostate Cancer Management Strategies》的真实世界研究,在2026年美国临床肿瘤学会(ASCO)年会上公布了相关结果1。
该研究旨在评估这些生物标志物在接受根治性治疗(根治性前列腺切除术[RP]、根治性放疗[RT] )或主动监测(AS)的前列腺癌患者中的预后价值。
收集2010-2020年间三家美国机构(加州大学圣地亚哥分校[UCSD]、加州大学旧金山分校[UCSF]、堪萨斯大学医学中心[KUMC])确诊局限性前列腺癌的患者的数字病理和临床数据。图像仅(v1.3)和MMAI(v1.2)生物标志物模型在验证前进行训练和锁定(图1)。利用Fine-Gray模型,通过10年DM(主要终点)和PCSM(次要终点)评估模型输出结果与临床结局的关联,并按治疗亚组进行分析。

图1 模型架构
在886例有图像评分和911例有MMAI评分的患者中,两组基线高度均衡。活检中位年龄均为65岁,基线PSA、临床T分期、NCCN低/中/高危分层占比几乎无差异,约36%接受AS,41%接受RP,23%接受RT(表1)。
表1 仅图像和MMAI分析队列的特征

风险关联分析结果表明,两组模型评分每增加1个标准差,患者DM风险均显著升高。全队列中,MMAI评分对应的亚分布风险比(sHR)为2.36(95% CI 1.92-2.89),仅图像模型评分对应sHR为2.35(95% CI 1.92-2.88),二者整体预测效能高度相近/分层至不同治疗亚组后,模型依然保持稳定的预测能力(图2)。

图2 基于仅图像与MMAI模型评分(每增加1个标准差),全分析队列和基于治疗的亚组中远处转移亚分布风险比的森林图
在AS、RP、RT三大亚组中,研究依据模型评分将患者划分为低、中、高三个风险层级,从DM累积发病率曲线能够清晰观察到,风险等级越高,患者远期发生DM的概率越高,三条风险曲线分度显著、无明显交叉。低风险组DM发生率长期维持在较低水平,中风险组逐步上升,高风险组曲线攀升趋势最为明显。同时,仅图像模型与MMAI模型划分的风险曲线趋势基本一致,说明两种模型路径均可有效区分不同预后人群,分层结果稳定可靠(图3)。

图3 在接受RT、RP或AS的患者亚组中,使用仅图像和MMAI模型时,不同生物标志物风险类别(低、中、高)的远处转移累积发病率曲线。
无论是仅基于图像还是MMAI生物标志物,在接受根治性放疗、根治性前列腺切除术和主动监测的患者中均展现出一致的风险分层能力,支持其在不同治疗选择中用于风险分层的实用性。
参考文献
[1]Xinglei Shen, Rana R McKay, Yi Ren, et al. Image-only and Multimodal AI Digital Pathology Biomarkers Demonstrate Consistent Risk Stratification Across Standard Prostate Cancer Management Strategies. J Clin Oncol, 2026, 44.16(Suppl 5023)
审批编号:CN-186312
有效期至:2027/6/17
本材料由阿斯利康提供,仅供医疗卫生专业人士参考,不用于推广目的。若涉及具体药物使用,请参考相关药物说明书,阿斯利康不建议您将产品超说明书使用。
撰写:Rudolf
审校:Rudolf
排版:Zelda
执行:Ocean