精准治疗的前提：计算病理学的突围

摘要：随着癌症治疗进入精准靶向时代，传统病理诊断的局限性日益凸显。新一代抗体偶联药物（ADC）、双特异性抗体等疗法对生物标志物的检测精度提出更高要求，而计算病理学 —— 融合数字成像与 AI 分析的技术革新 —— 正成为突破瓶颈的关键。然而，目前仅不足 20% 的临床实验室采用数字病理技术，基础设施薄弱与认知滞后成为主要障碍。推动计算病理学的普及，将是释放精准治疗潜力的核心前提。

一、精准治疗与诊断的 “断层”：传统方法难承其重

1998 年曲妥珠单抗（Herceptin）获批，标志着精准 Oncology 进入 “伴随诊断 + 靶向治疗” 时代。但彼时的诊断依赖定性或半定量分析，如 HER2 蛋白表达的人工评分，难以满足当下治疗需求。

新一代疗法正倒逼诊断升级：ADC 药物如 Enhertu（DS-8201）对 HER2 低表达患者仍有效，传统病理评分可能遗漏这部分人群；TROP2 靶向 ADC 的开发，要求同时分析多标志物的表达模式与空间分布；双特异性抗体和免疫疗法更需解析生物标志物的共表达、细胞间相互作用等复杂信息。“手动显微镜检查根本无法处理这种复杂度，” 徕卡 Biosystems 专注 AI 应用的高管指出，“就像用放大镜研究卫星地图，精度完全不够。”

二、计算病理学的突破：从 “定性描述” 到 “像素级量化”

计算病理学的核心革新在于 “数字成像 + AI 分析” 的结合。数字切片扫描仪将病理切片转化为高分辨率图像，AI 算法可在像素级别量化生物标志物表达，甚至识别传统方法忽略的细微模式 —— 例如，肿瘤微环境中免疫细胞与癌细胞的空间距离，这对预测免疫疗法响应至关重要。

在 HER2 检测中，传统方法依赖病理学家对 “染色强度” 的主观判断，而计算病理学能通过连续定量分析，精确区分 “低表达” 与 “阴性”，使 Enhertu 等药物的适用患者增加 30% 以上。针对 TROP2 ADC，其算法可同时分析 TROP2 表达量、肿瘤浸润深度及周围血管分布，为剂量调整提供依据。“这不是替代病理学家，而是给他们配备‘超级显微镜’，” 一位临床病理专家解释，“让他们从繁琐的计数中解放出来，专注于临床决策。”

三、临床应用的 “最后一公里”：普及瓶颈与破局路径

尽管优势显著，目前全球仅 15%-20% 的临床实验室部署了数字病理系统。核心障碍包括：

• 基础设施缺口：一台高端数字切片扫描仪成本超 10 万美元，且需配套大容量存储与算力支持，中小型实验室难以负担；

• 临床验证滞后：多数 AI 算法尚未通过大规模临床验证，实验室对其 “可靠性” 存疑；

• workflow 割裂 ：染色、扫描、分析环节尚未形成自动化闭环，人工操作仍占比高，反而增加工作量。

破局需从 “全链条数字化” 入手。徕卡等企业正推动 “染色 - 扫描 - 分析” 一体化流程：病理切片经标准化染色后，自动进入扫描仪生成数字图像，AI 实时分析并生成量化报告，整个过程较传统方法缩短 60% 时间。“我们与药企合作验证复杂生物标志物，已帮助 3 个 ADC 药物加速临床试验，” 上述高管透露，这种模式既能提升 reproducibility，又能缓解病理医师短缺问题。

四、未来图景：精准诊断释放治疗潜力

计算病理学的普及将重构精准治疗生态：患者从活检到治疗方案确定的时间可从平均 2 周缩短至 3 天；通过精准筛选，避免约 20% 的无效治疗，减少不必要的毒性与医疗支出；为多靶点药物开发提供 “生物标志物地图”，加速新药上市。

“没有精准诊断，精准治疗就是空中楼阁。” 一位肿瘤学家强调。当 ADC、双抗等疗法进入爆发期，计算病理学已不仅是 “辅助工具”，而是决定这些创新疗法能否惠及更多患者的核心基础设施。这场从 “定性” 到 “定量” 的革命，终将让癌症治疗从 “广撒网” 走向 “精准狙击”。

参考来源： https://www.biospace.com/drug-development/opinion-tomorrows-precision-therapeutics-depend-on-precision-diagnostics

识别微信二维码，添加生物制品圈小编，符合条件者即可加入

生物制品微信群！

请注明：姓名+研究方向！

本公众号所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。