《Nature Medicine》：AI读出HER2阳性胆道癌的疗效密码，Lunit SCOPE为一线治疗提供生物标志物证据
9月23日Lunit宣布，其AI生物标志物平台Lunit SCOPE分析HER2阳性晚期胆道癌一线治疗的临床研究发表于《Nature Medicine》。延世大学医学院团队在40名患者中评估曲妥珠单抗联合标准化疗与免疫治疗的方案，客观缓解率55%、中位无进展生存10.6个月；Lunit SCOPE的AI分析显示HER2过表达比例与肿瘤缩小程度相关，免疫排斥型患者加入靶向药后获益更明显。
40个人的一线试验如何登上顶刊：AI把病理切片变成了预测疗效的证据
数据视角 × 医疗数据从业者 ｜ 影响分析 × 药企研发负责人 ｜ 深度研报
一项仅入组40名患者的临床试验，其生物标志物分析登上了《Nature Medicine》。9月23日，韩国医疗AI公司Lunit（KRX: 328130）宣布，使用其AI生物标志物平台Lunit SCOPE分析HER2阳性胆道癌治疗反应的研究正式见刊。当AI开始系统性读取病理全切片，小样本试验里沉淀的生物学信号，正在被转化为可用于治疗决策的证据。
开场：一种预后一年上下的癌，一组只入组40人的试验
胆道癌是公认的难治癌种：在标准治疗下，患者的预期生存只有大约一年，治疗选择长期有限。更棘手的是其中的HER2阳性亚群——约占全部胆道癌患者的15%，预后比HER2阴性患者更差。HER2是一种传递细胞生长信号的蛋白质，也是重要的靶向治疗靶点，但如何在这个癌种里用好靶向药，一直缺乏足够的证据。
这项研究报道的是HER2阳性晚期胆道癌的一线治疗临床试验，由延世大学医学院Lee Choong-kun教授团队领衔。地域背景同样值得注意：胆道癌在韩国等东亚地区相对高发，由韩国医学团队主导的研究因此具有特殊意义——它所回答的问题，恰是这一地区临床负担最重的问题之一。该研究此前已在2026年美国临床肿瘤学会（ASCO）年会快速口头报告环节发表，此番见刊，意味着疗效数据与AI分析进一步经受住了顶刊同行评审的检验。
方案本身：化疗+免疫+靶向的三联尝试
方案的设计思路并不复杂：在标准一线化疗吉西他滨+顺铂联合免疫治疗Opdivo（纳武利尤单抗）的基础上，加入HER2靶向药Herceptin（曲妥珠单抗），共入组40名患者。三类药物分别对应细胞毒杀伤、免疫激活与HER2通路阻断，试图把现有手段一次性叠加到HER2阳性的晚期患者身上。
核心疗效数据为：客观缓解率（ORR）55%，中位无进展生存期（PFS）10.6个月。对一种标准治疗下预期生存约一年的癌种而言，这组数字值得认真对待——但它还不是这项研究登上顶刊的全部理由。
把化疗、免疫、靶向三联写进一线方案并不难，难的是回答哪些患者真正从叠加中获益。回答这个问题，靠的不是更大的样本量，而是对每一张切片的读法。
AI做了什么：从全切片里读HER2表达与免疫微环境
研究的AI部分由Lunit研究人员作为共同作者参与，负责基于AI的全切片图像分析与生物标志物分析，具体可以拆成两条互补的分析线。
第一条线是Lunit SCOPE HER2，用于精确分析患者全切片图像中的HER2表达模式。传统HER2判读依赖病理医生的显微镜与经验，结论往往压缩为有限的等级；全切片数字化之后，AI可以对肿瘤区域的染色情况与阳性细胞分布做系统化量化，HER2过表达肿瘤细胞的比例，从主观印象变成了一个可统计、可比较的连续变量。
第二条线是Lunit SCOPE IO，它将患者的免疫表型分为三类：免疫活跃、免疫排斥、免疫荒漠。这一分类刻画的是免疫微环境——肿瘤里有没有免疫细胞浸润，浸润的细胞是被挡在肿瘤边缘，还是深入肿瘤内部。对免疫治疗而言，这往往是比单一指标更底层的土壤条件。
当HER2从一个等级标签变成一张表达分布图，当免疫微环境从一个笼统概念变成三种可分型表型，病理切片才开始真正参与疗效预测。
两个发现：过表达比例与缩小程度、排斥型的翻转获益
AI读取的这些特征，最终落在了两个发现上。
发现一：HER2过表达肿瘤细胞比例与治疗后肿瘤缩小程度存在关联。过表达比例越高的患者，肿瘤缩小越明显。这提示HER2表达水平有可能成为疗效预测的生物标志物，帮助筛选最可能从曲妥珠单抗获益的人群——对HER2阳性亚群而言，这是从“有没有靶点”走向“靶点负荷有多重”的精细化一步。
发现二则更有临床想象力：既往对免疫治疗获益有限的免疫排斥型患者，加入靶向药后，无进展生存长于免疫荒漠型患者。免疫排斥意味着免疫细胞被挡在肿瘤之外，单用免疫治疗难以起效；而HER2靶向药的加入似乎改变了这一格局，为“靶向+免疫”的联用逻辑提供了一个具体的生物学注脚。
40人的样本读出的是机制线索，不是临床结论——但顶刊愿意为这条线索留出版面，说明AI生物标志物分析本身正在成为证据链上的一环。
冷静观察：40人样本的生物学信号，离临床决策工具还有多远
回到证据等级。40人的样本量决定了这项研究的位置：它提供的是生物学关联，而非确证性结论。过表达比例与缩小程度的关联、排斥型与荒漠型之间的生存差异，都需要更大样本的独立验证；从统计学关联走到临床决策工具，中间还隔着前瞻性验证、判读流程标准化、跨中心复现等一系列关口。AI在其中的角色同样需要审视：算法输出的表型分类，能否在不同染色平台与病理流程之间保持一致，决定了它能否走出科研场景、进入常规诊疗。
不过，对从业者而言，这项研究更值得注意的信号在范式层面。Lunit CEO徐范锡表示，登顶全球知名期刊反映了Lunit SCOPE对治疗选择有限的胆道癌研究的贡献；公司将持续把SCOPE打造成从患者选择、临床试验设计到新药开发的决策证据平台。成立于2013年的Lunit，产品线包括影像诊断AI的Lunit INSIGHT与组织分析AI的Lunit SCOPE，据公司介绍，其解决方案已进入65个以上国家和地区的上万家机构。
对药企研发负责人来说，这篇论文的价值未必只在ORR 55%与PFS 10.6个月，更在于它示范了一条路径：小样本临床试验加上AI全切片分析，同样可以产出顶刊级别的生物标志物证据，把有限的患者数据用足用透。当病理AI从辅助阅片走向临床试验的生物标志物引擎，临床数据的价值密度就被重新定义——在罕见与难治的癌种上，这或许正是破局的起点。
原文链接：首尔经济日报
千方医数集编辑部 出品
