文章核心观点 - 中山大学等机构的研究团队开发了一个名为eSPARK的多模态AI模型，该模型整合了CT影像和病理切片等多尺度医学数据，旨在预测食管鳞状细胞癌患者对新辅助免疫化疗的响应，以支持个性化治疗决策[3][4][6] 研究背景与临床需求 - 食管癌是癌症相关死亡的第七大原因，其中食管鳞状细胞癌约占病例的80%，预后不佳，常因晚期诊断导致[2] - 新辅助免疫化疗已成为治疗食管癌（尤其是食管鳞状细胞癌）的一种有前景的手段，但仅在20%-40%的患者中达到最佳效果，存在过度治疗风险[2] - 行业迫切需要找到能预测治疗响应的可靠生物标志物，以改善患者预后并减少不必要的毒性副作用[3] eSPARK模型的技术与数据 - eSPARK是一个多模态深度学习框架，通过整合计算机断层扫描图像和组织病理学活检切片等多尺度医学影像与语义细胞学知识，探究影响疗效的肿瘤免疫微环境特征[6] - 该模型基于来自三个独立地区的344名患者的资料开发，这些患者均具有治疗前配对的CT图像、病理切片以及术后病理完全缓解结果[7] - 通过纳入细胞学语义信息，eSPARK展示出卓越的泛化能力，其预测性能优于单模态模型，并在多中心数据集中实现了稳健的预测准确性[7] 模型的核心发现与生物标志物 - 研究发现，整合CT成像与病理数据的多模态方法在预测疗效方面更胜一筹[7] - 细胞学语义信息的加入增强了基于组织学的预测能力[7] - 多尺度可解释性模块识别出若干与治疗响应相关的生物标志物，其中包括肿瘤微环境中的中性粒细胞与淋巴细胞比值，该比值较低可能预示着更好的治疗响应[7] 研究意义与行业前景 - 该研究突显了eSPARK模型在局部晚期食管癌个性化治疗决策方面的强大潜力[9] - 研究展示了通过多学科数据整合来推进精准肿瘤学的更广泛意义[9]