香港中文大学（中大）医学院肿瘤学系系主任莫树锦教授早前与韩国首尔国立大学医学院、成均馆大学医学院、亚洲大学医学院及AI初创公司Lunit合作开发了一种用於非小细胞肺癌的人工智能（AI）分析工具。

该工具可为完整病理切片影像进行分析，以了解生物标志物「肿瘤浸润淋巴细胞」的分布，从而预测晚期非小细胞肺癌治疗的有效性。研究结果显示，AI辅助的肿瘤浸润淋巴细胞分析与抗肿瘤反应及无恶化存活期密切相关，意味日后或可提供更精确的临床治疗方案。详情已刊登於权威医学期刊《Journal of Clinical Oncology》。

免疫检查点抑制剂为带有PD-L1表达的晚期非小细胞肺癌一线治疗

肺癌是全球最多人罹患的癌症之一，每年约有180万人死於此病。根据香港癌症资料统计中心2019年数据，肺癌不但为本港的头号癌症杀手，更是香港最常见的癌症，每年新症逾5,000宗，当中超过八成为非小细胞肺癌个案。

现时针对带有PD-L1表达的晚期非小细胞肺癌患者的一线治疗是一种以antiPD-1为免疫检查点抑制剂（immune checkpoint inhibitor）的免疫疗法。人类免疫系统的T细胞表面有一种叫PD-1的蛋白，当它与癌细胞的PD-L1结合，可使肿瘤避过免疫系统的攻击。抑制剂的作用就是令PD-1蛋白与PD-L1不能结合，让免疫系统继续发挥作用，杀灭癌细胞。

莫树锦教授

中大医学院肿瘤学系系主任兼李树芬医学基金肿瘤学教授莫树锦教授表示：「antiPD-1 检查点抑制剂的治疗成效受限於患者的肿瘤微环境，现时还未有生物标志物可用以评估疗效。理论上，『肿瘤浸润淋巴细胞』是肿瘤微环境中主要的抗肿瘤免疫激活分子，可作为生物标志物，预测免疫检查点抑制剂的治疗效果。但目前透过病理影像点算肿瘤浸润淋巴细胞仍需靠人手进行，加上图像空间存在限制，影响其效用及客观性。」

免疫表型与免疫检查点抑制剂的抗肿瘤反应有关联

由研究团队合作开发的AI工具能够分割和量化整个病理切片影像中的多个组织学成分，包括肿瘤上皮细胞、癌基质和肿瘤浸润淋巴细胞。通过以深度学习技术为基础的 AI模型训练，产生出三种免疫表型：炎症型（inflamed）、免疫排除型（immune-excluded）和免疫沙漠型（immune-desert）。（三种免疫表型的定义可参阅表一）

由AI分析工具就三种表型所推算出的无恶化存活期（中位数）及整体存活期显示，与其他两种表型相比，炎症型的免疫溶细胞活性较高，患者有较好的抗肿瘤反应及较长的无恶化存活期。（详细数据可参阅表二）

莫教授补充说：「这是首个针对晚期非小细胞肺癌，运用AI工具自动分析肿瘤浸润淋巴细胞的研究。我们的研究证明利用AI分析肿瘤浸润淋巴细胞分布，能够预测免疫检查点抑制剂在晚期非小细胞肺癌患者中的临床成效，可以作为生物标志物，成『肿瘤比例评分』以外的补充临床治疗指标。」

表一：三种免疫表型的定义：

表二：以AI分析工具就三种表型所得出的无恶化存活期（中位数）及整体存活期推算