全文概要
9 月 8 日,英国剑桥的 Panakeia 公司宣布,其获 UKCA 认证的 AI 医疗设备 PANProfiler Breast 的多中心临床验证研究发表于《Clinical Breast Cancer》。该软件可直接从常规明场(brightfield)病理图像中识别雌激素受体(ER)、孕激素受体(PR)与人表皮生长因子受体 2(HER2)分子生物标志物,呈现诊断级表现、高检测替代率,且与金标准病理结果高度一致,可在数分钟内完成分子分型,而无需额外破坏组织。

1. 从明场图像到分子分型的 AI 跨越
乳腺癌的分子分型(ER/PR/HER2 状态)直接决定内分泌治疗与抗 HER2 靶向治疗的选择,是精准治疗的第一道关口。传统上,这些分子标志物需要依靠免疫组化(IHC)或原位杂交(ISH)等"湿实验"完成,不仅耗时数周,还需消耗有限的肿瘤组织样本,给患者带来焦虑等待。
PANProfiler Breast 的突破在于:它直接从日常病理工作流中普遍存在的常规明场图像出发,通过 AI 推断出关键的分子生物标志物。这意味着无需额外的染色、杂交或组织切片,即可在数分钟内获得分子分型信息,相当于提供了一种"数字替代"传统湿实验的路径。
2. 多中心验证的可靠性
本次发表的多中心临床验证研究证明,PANProfiler Breast 在不同实验室组织制备方式与图像质量存在差异的情况下,仍能保持稳定、可重复的诊断级性能,并实现高检测替代率、与金标准病理结果高度一致。即便常规明场图像由不同类型的数字扫描仪处理,其表现依然一致。
这一结果建立在 PANProfiler Colorectal(针对结直肠癌 MSI/MMR 标志物)此前发表于《npj Digital Medicine》的验证基础之上,证明该平台的"从常规图像推断分子标志物"能力可跨癌种、跨标志物类别迁移,是迈向广泛临床落地的重要里程碑。研究还提示,AI 能够揭示传统检测可能遗漏的生物学细微差异,为更精细的患者分层提供可能。
3. 对精准医疗与药物研发的意义
Panakeia 创始人兼 CEO Pahini Pandya 表示,这一成果是"让最高标准的精准医疗惠及全球医患"道路上的又一里程碑;公司已在 AACR 2026 上展示了超越静态标志物、走向癌症功能特征解析的初步结果,目标是为药企伙伴提供"完整生物学蓝图"。
对临床与病理医生而言,此类技术有望显著缩短分子分型的周转时间、保留珍贵的组织样本,并在资源有限的地区提升精准医疗的可及性;对生物制药企业而言,从常规影像中快速解锁分子信息,则能加速靶点发现与患者入组分层。当然,这类"数字病理"工具的广泛采纳,仍取决于更多前瞻性验证与监管审批的推进。
来源:MedPath、Panakeia 官方公告

声明:本文资讯来源于公开报道及学术期刊,仅作行业信息传播,不构成临床用药建议。转载需注明来源。






