[马德里（西班牙）=E-DailyKim Jinsoo 记者] “区分细胞的技术本身早在几年前就已经研发出来了。现在，我们正在围绕如何解读这些信息继续开展研究。”

Lunit医疗总监林有珠（Lunit Inc.(328130) ）在西班牙马德里举行的欧洲肿瘤内科学会（ESMO）现场，向《Pharm E-Daily》如此阐述了人工智能（AI）病理分析技术的发展方向。其核心不仅在于开发新的AI产品，还包括将已掌握的技术应用于各类癌症及治疗药物的研发，并利用积累的数据发掘新的生物标志物。

在本次ESMO大会上，Lunit公布了5项利用AI病理分析平台“Lunit Scope”针对乳腺癌、肺癌和胰腺癌等疾病开展的研究。林医疗总监表示：“如果说去年人们的关注点主要集中在免疫组织化学染色（IHC）或抗体药物偶联物（ADC）相关的分析上，那么今年则更多地关注肿瘤微环境分析。”

通过AI平台扩展不同癌种的数据解读

Lunit的“Scope IO”能够从常规的苏木精-伊红（H&E）染色组织中识别肿瘤细胞、免疫细胞和内皮细胞等。这是一项将各细胞的位置和密度、肿瘤周围基质的分布以及细胞间的空间关系进行量化分析的技术。

林总监解释道：“无论何种癌症，我们首先训练模型来区分肿瘤细胞和内皮细胞等”，并表示：“一旦各细胞的种类和坐标以数值形式呈现，就能进一步计算出多种信息。”这是一种不针对每种癌症重新开发基础分析技术，而是根据研究目的对现有平台获取的数据进行解读的方式。

数据的应用范围也在不断扩大。早期，Scope IO主要专注于区分免疫细胞是否浸润肿瘤的免疫亚型分析，而近期则开始研究内皮细胞和基质的分布，乃至基因突变与患者生存结果之间的关联性。

此次学术会议上发表的针对181名胰腺导管腺癌患者的研究便是典型代表。 Lunit利用Scope IO分析了组织中的肿瘤与基质比例及内皮细胞分布，随后将其与KRAS突变及生存结果进行了对比。在整个患者群体和KRAS G12D突变患者群体中，肿瘤与基质比例与无进展生存期（PFS）呈现出相反的关联性。这表明，相同的组织学特征也会因基因突变和周围环境的不同而产生不同的预后意义。

他表示：“内皮细胞涉及诸多需要考虑的因素，例如与肿瘤或免疫细胞的关系、与血管的距离等”，并补充道：“我们已经掌握了检测细胞位置的技术，目前正在研究如何解读这些信息。”

在小细胞肺癌中，研究团队也探索了内皮细胞分布的预后意义。他强调：“胰腺癌海报的意义在于，它不仅展示了新技术本身，更展示了如何通过多种方式解读和利用现有技术所提供的信息。”

Lunit还开发了利用H&E组织形态学信息预测基因突变的“Scope基因分型预测器”。

他解释道：“这不仅限于分析特定基因，而是一个基于Foundation模型、能够学习各种突变的平台”，并补充道：“在KRAS分析中，我们也正在利用现有技术。”

业务拓展至制药企业新药研发……推进商业化落地

图像分析技术也正被应用于制药公司的新药研发中。Lunit近期与美国Summit Therapeutics达成协议，将针对PD-1·VEGF双特异性抗体“伊沃内西单抗”的开发开展肿瘤微环境分析研究。其目的是利用Scope IO探索哪些肿瘤微环境特征与治疗反应相关。

林总监表示：“Summit希望了解伊沃内西马布对哪些患者更有效”，并称“双方正在共同研究免疫细胞和肿瘤微环境信息能否作为生物标志物加以利用”。

此外，Lunit计划将与合作伙伴的合作范围从新药开发的初期分析，扩展至临床试验患者筛选及伴随诊断的开发。最具代表性的是，该公司正与日本第一三共合作，将AI分析技术应用于双方正在开发的两个抗癌药物研究项目。

他解释道：“与日本第一三共开展的合作重点，并非分析现有抗癌药的HER2表达量，而是聚焦于开发阶段新药的生物标志物发掘。我们将Lunit的AI病理分析平台应用于第一三共的两条新型抗癌药研发管线，采取从新药开发初期就开始探索患者筛选所需生物标志物的战略。”

最后，林总监表示：“这三大产品系列的目标都是将生物标志物的发现与治疗结果相结合，从而扩大应用范围，并最终转化为销售额”，并补充道：“只有真正能在临床一线帮助患者，制药公司才会持续寻求这项技术。”