亮点
1. 肿瘤浸润淋巴细胞（TILs）是影响黑色素瘤预后和免疫治疗反应的关键生物标志物。
2. 病理学家在苏木精和伊红（H&E）染色切片上进行的传统TIL评估表现出显著的观察者间差异。
3. 人工智能（AI）驱动的TIL定量算法显示出卓越的可重复性，具有极高的组内相关系数（>0.90）。
4. AI衍生的TIL评分与生存结果有显著的预后关联，优于传统的手动评分。
研究背景
黑色素瘤是一种高度侵袭性的皮肤癌，临床上存在显著的预后差异和对免疫治疗的异质性反应。肿瘤微环境中的肿瘤浸润淋巴细胞（TILs）作为一种引人注目的生物标志物，与治疗结果和生存率相关。TIL浸润程度与抗肿瘤免疫活性相关，并具有预后和预测价值。
传统上，TIL定量由病理学家通过评估苏木精和伊红（H&E）染色的组织切片完成。然而，这种手动评估受观察者间差异的影响，主观解释TIL密度和分布，从而限制了其在临床决策中的可靠性。标准化、可重复且可扩展的TIL评估方法对于推进黑色素瘤患者的护理至关重要。
研究设计
这项多中心、回顾性预后研究比较了传统病理学家读取的TIL评分与人工智能驱动的方法。研究队列包括2022年1月至2023年6月期间在45个国际机构（涵盖学术、临床和研究领域）诊断的111名黑色素瘤患者，以捕捉多样化的专业知识。
手动组的参与者（n=98）全部是病理学家，而人工智能辅助组包括11名病理学家和47名非病理学科学家。总共60个H&E染色的黑色素瘤组织切片接受了手动和人工智能两种方法的TIL评估。
主要结局指标包括可重复性指标——连续TIL测量的组内相关系数（ICC）和分类Clark评分评估的Kendall’s W（活跃、不活跃、稀疏）。使用单变量和多变量Cox回归模型分析TIL定量的预后价值，调整了临床病理变量，并应用了既定的二分法截止值（中位数和16.6%）用于基于AI的TIL百分比。
关键发现
人工智能算法在所有TIL变量上的ICC值均超过0.90，显著优于手动病理学家评估，其中基质TIL计数的ICC仅为0.61，Clark评分的Kendall’s W为0.44，表明中等可靠性。
从预后的角度来看，AI衍生的TIL评分与患者预后改善密切相关。使用中位数截止值时，生存的危险比（HR）为0.45（95%置信区间[CI]，0.26-0.80；p=0.005），使用既定的16.6%截止值时，HR为0.56（95% CI，0.32-0.98；p=0.04）。这表明更高的AI定量TIL浸润与更好的生存显著相关。
相反，手动TIL测量显示较低的可重复性和较弱的预后关联，突显了主观评估的挑战。
研究数据集和人工智能工具公开可用，便于其他研究人员进行透明度和进一步验证。
专家评论
本研究表明，人工智能在组织病理学中的变革潜力，特别是在量化复杂的免疫生物标志物如黑色素瘤中的TILs方面。AI驱动方法的高可重复性和预后有效性解决了传统病理学的主要局限性——观察者间差异，这可能阻碍一致的临床解释和管理。
尽管回顾性设计限制了直接证明临床效用和对治疗决策的影响，但这项工作为前瞻性试验奠定了坚实的基础，评估AI基础的TIL评估整合到常规病理学工作流程和免疫治疗分层算法中的可能性。
未来的研究应探索AI在不同患者群体和黑色素瘤亚型中的鲁棒性，以及成本效益和用户培训需求。
结论
在黑色素瘤中，AI算法对TIL的定量在可重复性和预后意义方面均优于传统的病理学家评估。这一进展对提高客观生物标志物的预后能力和指导免疫治疗决策具有重要意义。
随着精准肿瘤学的发展，AI驱动的病理学提供了一种可扩展、标准化的方法，以利用肿瘤微环境的预后能力。持续的验证和整合到临床实践中将是充分发挥这一技术对黑色素瘤患者益处的关键。
资助和临床试验
提供的内容中未指定资助详情。未报告临床试验注册信息。
参考文献
Aung TN, Liu M, Su D, 等. 病理学家读取与AI驱动的黑色素瘤肿瘤浸润淋巴细胞评估. JAMA Netw Open. 2025;8(7):e2518906. doi:10.1001/jamanetworkopen.2025.18906. PMID: 40608341; PMCID: PMC12232186.
