國際生醫新聞

1. ADC 不斷優化、造福病友，未來發展可期
2. 數位病理與人工智慧聯手偵測微弱訊號，讓隱藏患者現蹤
3. 海量影像數據與標準化互通難題仍是數位化普及之阻礙
4. 跨領域協作與多靶點檢測將引領未來五年癌症治療新局

ADC 不斷優化、造福病友，未來發展可期
已有二十多年發展歷史的抗體藥物複合物 (antibody drug conjugates, ADCs)，因能比傳統療法更精確地針對癌細胞進行打擊，現在已成為腫瘤學領域的關注焦點，近十年也已有多種 ADC 藥物被核准用於乳癌、肺癌、泌尿道癌、子宮頸癌、血液癌症等的治療，預期未來還會有更多的應用。

二十年來，科學進步針對 ADC 的三大核心組件進行了許多優化：讓抗體設計更優良、連接子 (linker) 系統更穩定，進而更有效地釋放藥物載荷 (payload)，這也催生了如 Enhertu (第一三共/阿斯利康) 等指標性藥物的問世，造福 HER2 陽性、HER2 低表現量的乳癌患者，以及 HER2 陽性胃癌/胃食道交界處癌與 HER2 突變的非小細胞肺癌患者。

數位病理與人工智慧聯手偵測微弱訊號，讓隱藏患者現蹤
然而，這類療法的成功關鍵，高度依賴於對患者腫瘤中標的抗原水平的精確測量，以作為後續治療的指引。例如，傳統的實驗室檢測在識別 HER2 低表現量的患者時容易產生偏差，但在數位與計算病理學的推動下，HER2 正在經歷一場「數位重生」，其核心能力在於識別傳統肉眼難以察覺的「低表現量」與「極低表現量」患者。傳統病理學家在顯微鏡下觀察時，常因某些染色模式過於微弱而難以區分蛋白質訊號，但 AI 可以透過大量的 HER2 影像與臨床結果數據進行訓練，偵測出極其細微的模式差異，表現優於傳統的影像分析。這種深掘細胞生物學的能力可以優化醫療決策，讓原本被忽略的患者也能具備接受標靶治療的資格。

海量影像數據與標準化互通難題仍是數位化普及之阻礙
儘管數位化與 AI 潛力巨大，但要達到大規模應用仍面臨挑戰，目前全球僅約 25% 的實驗室採用相關技術，且主要集中於歐洲市場與美國的部分學術機構。將其普及化的主要障礙包括：
1. 病理影像檔案過大：病理影像的檔案大小通常是放射醫學影像的 10 到 20 倍，這使得病理學家或研究人員在處理、傳輸與操作上相當吃力。
2. 增加工作流程負擔：目前這些數位與 AI 技術被視為病理醫師現有工作流程中的「額外負擔」，而非完全整合的簡化工具。
3. 缺乏標準化與互通性：現階段市場上存在多種不同的系統與檔案格式，缺乏數位標準化與系統互通性，因此業界正推動將國際醫療影像標準 (DICOM) 應用於病理領域，以解決格式分歧的問題。
4. 網路安全擔憂：在實施新技術的過程中，網路安全的疑慮也是導致採用速度緩慢的原因之一。
5. 健保給付滯後：在美國及其他國家，相關技術的健保給付政策進度落後於技術發展。目前專業協會正努力推動針對病理醫師提供的服務，以及運行這些先進技術所需的費用爭取給付。

跨領域協作與多靶點檢測將引領未來五年癌症治療新局
展望未來五年，病理學家、數據科學家與腫瘤科醫師之間的協作將更加緊密，推動伴隨診斷、療效預測及診斷技術的全面進化。未來甚至可能出現能同時針對多個 ADC 靶點的檢測方式，並利用 AI 為患者選擇最佳的治療組合。透過將影像集中在雲端環境，病理學家將能更輕易地共享知識，數位病理的全面優勢最終將轉化為更精準、更具效率的醫療流程。

資料來源：BioSpace、台灣癌症基金會