I3LUNG多模态AI成果登上《Nature Medicine》：2396例非小细胞肺癌数据，模型AUC 0.88跑赢PD-L1
《Nature Medicine》2026年9月13日发表研究显示，国际多中心项目I3LUNG开发的多模态AI工具可提升晚期非小细胞肺癌免疫治疗反应与生存预测准确度。研究整合意大利、德国、希腊、以色列、西班牙与美国六国六中心的2396例接受免疫治疗的回顾性患者数据，训练了临床血液模型（AUC 0.77）与加入影像及数字病理的模型（AUC 0.88）。在20名医生参与的阅片研究中，医生表现从AUC 0.72提升至0.87，医生间一致性由轻度提升至中度。
AUC从0.72到0.87：多模态AI把肺癌免疫治疗的谁受益问题往前推了一步
数据研究视角 × 患者科普视角 ｜ 深度研报
《Nature Medicine》2026年9月13日发表研究：国际多中心项目I3LUNG开发的多模态 (Multimodal) AI工具，能更准确地预测晚期非小细胞肺癌 (NSCLC) 患者对免疫治疗的反应与生存。研究整合六国六个中心2396例患者的回顾性数据，加入影像与数字病理后模型AUC达0.88；在20名医生参与的阅片实验中，医生表现从AUC 0.72提升至0.87，医生之间的一致性也从轻度升到中度。
一个老问题：免疫治疗到底对谁有效
免疫治疗改变了晚期非小细胞肺癌的治疗格局，但一个尴尬的事实长期存在：只有少数患者能获得持久获益。药很贵、也有副作用，用对了是转机，用错了是白白消耗时间和身体储备。临床目前最常用的判断依据是程序性死亡配体1 (PD-L1) 的表达水平。可以把它类比成只看一张单科成绩单，就去预测一个学生能不能毕业——信息有用，但远远不够。PD-L1的局限性，在业内早已被广泛认识，这正是I3LUNG这类项目要解决的问题。这个问题背后是一个朴素的不对称：免疫治疗对一部分人效果显著，对另一部分人几乎没有作用，而事先把这两类人区分开的手段，多年来一直停留在单一指标上。治疗决策因此常常变成一道概率题：医生拿着有限的线索，替患者押上一段不小的治疗周期。
2396份病历：四类数据怎么拼在一起
这项工作由芝加哥大学医学院 (University of Chicago Medicine) 的研究者携手国际合作伙伴完成，通讯作者Marina Garassino是该院医学教授。研究团队把意大利、德国、希腊、以色列、西班牙与美国六个中心的2396例接受免疫治疗的患者的数据放进同一个共享数据库，整合四类信息：
- 临床数据：基础病史与血液指标；
- 影像数据：治疗过程中的检查图像；
- 病理数据：数字化的病理切片；
- 基因组数据：测序获得的分子特征。
可以把它类比成一次多学科会诊：内科医生看病历，影像科医生看片子，病理科医生看切片，AI把这几路信息拼成一张完整的患者画像，再据此训练出两族预测模型。值得留意的是数据的构成方式：六个国家的中心遵循同一套入组逻辑，但患者的基线状况与治疗经过各不相同，这种真实世界的杂乱，恰恰是模型未来在诊室里必须面对的环境。
0.77与0.88：多看两类数据意味着什么
衡量这类预测模型，常用一个叫曲线下面积 (AUC) 的指标。把它想成排队能力：把将来会受益和不会受益的患者排成一队，AUC越高，模型就越能把真正会受益的人排到前面。满分是1，0.5相当于抛硬币，越接近1说明排序能力越强。I3LUNG只用临床与血液数据训练的模型，AUC达到0.77；加入影像与数字病理数据后，AUC升到0.88。研究同时给出了对照结论：AI模型一致优于当前临床使用的标准生物标志物，包括PD-L1。翻译成人话：光靠常规检查就能拿到的数据，模型已经比现在的单指标判断更会挑人，这意味着更少的人会错过本可以获益的治疗。当然，AUC不等于确诊率，0.88也意味着模型仍有看走眼的时候，它的角色是帮医生把治疗的优先级排得更准，而不是替医生下结论。
20位医生的对照实验：更准，也更齐
模型之外，研究设计了一个更贴近真实诊疗的实验：20名医生——10名肺癌专家加10名非专家——先后审阅100个真实病例，第一轮不借助AI，第二轮借助AI。结果医生的整体表现从AUC 0.72提升到0.87，医生之间的一致性从轻度 (slight) 提升到中度 (moderate)。这两个数字要一起读：前者说明判断更准了，后者说明不同医生之间的分歧变小了。对患者来说，第二个变化同样重要——能不能获益，不该取决于你恰好挂上了哪位医生的号。还有一个细节值得注意：实验对象一半是肺癌专家，一半是非专家，而两个群体都从AI辅助中受益，说明这套工具的价值不局限于顶级中心，非专科医生同样用得上。
还没走完的路：这项研究的边界
需要说清楚的是，这是一项回顾性研究，数据来自已经完成治疗的患者，它证明的是模型有潜力，还不等于临床常规。模型的训练数据来自六国中心，换到数据结构不同的医疗环境，性能能否保持，同样要靠前瞻性阶段继续观察。项目已经进入前瞻性阶段：在同一批国际中心入组超过2000名患者，聚焦治疗优化，并评估模型在性能之外的临床可用性。Garassino对这项工作的定位是：I3LUNG为胸部肿瘤学的AI建立了新基准，即使仅用常规可得的临床数据构建的决策支持工具，也能超越现有生物标志物；对患者，意味着更少错过治疗获益的机会；对社区医生，意味着在诊疗现场获得专家级指导；对整个领域，则提供了一个严格、公平、可解释的框架。能不能从论文里的0.88，变成诊室里的常规工具，中间还隔着前瞻性数据的检验、监管路径的确认与临床流程的磨合，这是下一个阶段要回答的问题。
原文链接：Hospimedica
千方医数集编辑部 出品
