2026 ASCO 前瞻：AI 驱动 NSCLC 诊疗革新
从利用 AI 解读病理切片以预判免疫治疗疗效，到构建跨分期模型预测新辅助治疗反应，再到借助临床决策工具优化生物标志物检测，人工智能正深度介入非小细胞肺癌的诊疗决策链。2026 年美国临床肿瘤学会（ASCO）年会即将拉开帷幕，让我们共同关注这一顶级学术盛会中，AI 在肺癌领域带来的最新突破。
基于基线 H&E 图像的 AI 衍生 CD8⁺细胞毒性 T 细胞免疫特征预测非小细胞肺癌免疫治疗对比化疗的获益：CheckMate-227（CM227）研究的盲法验证 [1]
免疫治疗（IO）已重塑非小细胞肺癌（NSCLC）的治疗版图，然而并非每位患者都能从中受益，故急需开发预测性生物标志物来指导免疫治疗与化疗（Ch）的选择。CheckMate 227（CM227；NCT02477826）研究证实，对于 IV 期 NSCLC，一线采用纳武利尤单抗联合伊匹木单抗（nivo+ipi）方案的生存获益优于化疗。CD8⁺T 细胞作为抗肿瘤免疫的关键介质，与免疫治疗获益紧密相连。本研究构建了名为 VIGOR-CD8 的人工智能（AI）分析流程，依托病理组学基础模型嵌入（H-Optimus-0）及虚拟基因表达建模（HE2Gene），从常规基线 H&E 全切片图像中推导空间 CD8⁺免疫特征，并在 CM227 研究中评估其甄别免疫治疗较化疗更易获益人群的能力。
研究共纳入 1598 例晚期 NSCLC 患者进行分析，涵盖多中心回顾性队列（n=487；其中 65 例用于斑块级 CD8⁺预测及总生存期（OS）分析，422 例用于患者级 OS 分析）以及 CM227 研究的盲法验证子集（n=1111）。为实现正交验证，研究将 86470 个 H&E 图像斑块与定量 CD8⁺免疫荧光结果进行了配准。
研究利用 H-Optimus-0 和 HE2Gene 的免疫相关嵌入特征训练随机森林分类器，以预测斑块层面的 CD8⁺表达概率；随后将斑块级概率整合为患者级 CD8⁺免疫特征，并依据训练集中位数划分为生物标志物阳性（B⁺）组与阴性（B⁻）组。采用 Cox 模型评估 VIGOR-CD8 对 OS 的影响。在 CM227 研究中，通过治疗特异性分析考察其预后及预测价值；研究者对患者结局保持盲态，且所有模型均在独立、无重叠的队列中完成训练。
总生存期关联：VIGOR-CD8 阳性状态与测试队列（n=422；HR=0.68，95% CI 0.53-0.87，p=0.00163）及 CM227 研究（n=1111；HR=0.80，95% CI 0.67-0.96，p=0.016）中更长的 OS 显著相关，且该关联独立于治疗类型和 PD-L1 表达水平。
治疗获益预测：在 PD-L1 表达可评估的患者群体中，B⁺组接受 nivo+ipi 治疗的 OS 显著优于化疗组（n=617；HR=0.72，95% CI 0.58-0.90，p=0.003）；而在 B⁻组中，nivo+ipi 与化疗两组的 OS 未见显著差异（n=130；HR=1.18，95% CI 0.79-1.75，p=0.436），这证实了 VIGOR-CD8 具备治疗预测价值，而非单纯的预后指标。
从常规基线 H&E 切片中提取的 AI 衍生 CD8⁺免疫特征不仅与 CM227 研究中患者的良好 OS 相关，还能预测 nivo+ipi 相较于化疗的差异化获益。VIGOR-CD8 有望协助识别最可能从一线双免疫治疗中获益的晚期 NSCLC 患者，但仍需在独立的前瞻性试验中加以验证。
多模态机器学习模型预测可切除 III 期非小细胞肺癌对新辅助化疗或化疗免疫治疗病理完全缓解的跨阶段验证 [2]
研究背景
可切除非小细胞肺癌（NSCLC）患者在新辅助化疗免疫治疗后获得病理完全缓解（pCR）与预后改善密切相关，但目前尚缺乏可靠的术前工具来预测治疗反应。机器学习模型在晚期肺癌中已显示出良好的预测潜力，但其在不同疾病分期间的泛化能力仍有待明确。本研究旨在评估一个在 IV 期 NSCLC 中开发的机器学习模型，在应用于接受新辅助化疗或化疗免疫治疗的可切除 III 期 NSCLC 患者队列时的预测表现。
DEEP-Lung-IV 研究（NCT04994795）基于多模态数据，开发并验证了用于预测接受一线帕博利珠单抗和/或化疗的 IV 期 NSCLC 患者个体化风险的机器学习模型，该模型融合了临床常规数据，包括临床特征、生物学指标及 CT 影像数据。
本研究将上述已训练完成的术前模型直接应用于 NADIM 试验（NCT03081689）入组的患者，未进行重新训练。这些患者接受了新辅助单纯化疗（CTx）或纳武利尤单抗联合化疗（Nivo+CTx），随后进行了手术治疗。研究通过受试者工作特征曲线下面积（AUC）评估模型性能，分别分析了仅使用术前最后一次胸部 CT 影像，以及联合 CT 影像与其他多模态数据两种情形下的预测效果。
研究共纳入 103 例拥有完整临床、生物学及影像数据并完成手术的患者进行验证分析，其中 88 例接受 Nivo+CTx 治疗，15 例接受单纯 CTx 治疗。
整体预测性能：将 IV 期