中山大學×鄭州大學合作Cell子刊：利用多模態AI模型，支持食管癌個性化治療決策

撰文丨王聰

編輯丨王多魚

排版丨水成文

食管癌（EC）是一種相對常見的惡性腫瘤，也是癌癥相關死亡的第七大原因。其中，食管鱗狀細胞癌（ESCC）約占食管癌病例的約 80%，其預后不佳，在很大程度上是由于通常在晚期才被診斷出來。

單獨的外科手術干預已被證實對于晚期 ESCC 治療效果有限。相比之下，新輔助免疫化療（neoadjuvant ImmunoChemotherapy，nICT）已成為治療食管癌（尤其是 ESCC）的一種很有前景的治療手段。然而，nICT 僅在 20%-40% 的患者中達到最佳效果，過度治療可能會加劇不良反應的風險。

因此，我們迫切需要找到能夠預測患者對 nICT 治療響應的可靠的生物標志物，從而改善患者預后并減少不必要的毒性副作用。

2025 年 12 月 8 日，中山大學腫瘤防治中心蔡木炎、周健，鄭州大學附屬腫瘤醫院邢文群，中山大學數據科學與計算機學院王瑞軒等在 Cell 子刊Cell Reports Medicine上發表了題為： A multimodal synergistic model for personalized neoadjuvant immunochemotherapy in esophageal cancer 的研究論文。

該研究開發了一個多模態 AI 模型——eSPARK，用以支持食管癌的個性化治療決策。

多模態深度學習，已成為醫療領域的一項變革性工具，通過利用多種數據源來提高預測性能。對于食管鱗狀細胞癌（ESCC），常規診斷數據，例如計算機斷層掃描（CT）圖像和組織病理學活檢切片，包含有價值的信息，能夠捕捉腫瘤的空間結構、形態特征和細胞層面的特征，從而實現更準確和細致的預測。盡管整合這些數據源具有巨大潛力，但利用多模態深度學習來預測食管鱗狀細胞癌對新輔助免疫化療（nICT）療效的研究，仍處于探索階段。

為解決上述空白，研究團隊開發了一個多么臺深度學習框架——eSPARK，將多尺度醫學影像與語義細胞學知識相結合，以探究影響 nICT 療效的腫瘤免疫微環境（TIME）特征，從而支持食管癌的 nICT 治療中的知情決策。

該模型基于來自三個獨立地區的 344 名患者的資料開發而成，這些患者均具有治療前配對的計算機斷層掃描（CT）圖像和病理切片，以及術后病理完全緩解（pCR）結果。通過納入細胞學語義信息，eSPARK 展示出卓越的泛化能力，優于單模態模型，并在多中心數據集中實現了穩健的預測準確性。此外，多尺度可解釋性模塊還識別出若干與 nICT 治療響應相關的生物標志物，包括腫瘤微環境中的中性粒細胞與淋巴細胞比值（neutrophil-to-lymphocyte ratio，NLR）。

該研究的核心發現；

• 深度學習預測食管鱗狀細胞癌新輔助免疫化療響應；

• CT 成像與病理數據的多模態整合更勝一籌；

• 細胞學語義信息增強了組織學預測；

• 中性粒細胞與淋巴細胞比值較低可能預示著更好的治療響應；

總的來說，該研究突顯了eSPARK在局部晚期食管癌的個性化治療決策方面的強大潛力，以及通過多學科數據整合推進精準腫瘤學的更廣泛意義。

論文鏈接：

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00552-X