NeoGEM 化療預測將身體組成納入胃癌 CT 分析
NeoGEM 化療預測結合腫瘤影像與身體組成，挑戰了主要聚焦癌症本身的做法。研究人員以 1,568 名局部晚期胃癌患者評估此模型，意即病情已延伸至胃部內層以外。研究結果支持進一步探討患者層面的影像訊號，但治療決策及患者獲益仍未有定論。
這個區別相當重要，因為預測治療反應與選擇治療方案是不同的任務。系統可區分可能有反應者與無反應者，卻未必能證明對獲得不利預測的人而言，哪一種替代方案會有幫助。對正評估醫療 AI 的醫院而言，這個缺口決定一項具潛力的研究結果實際容許甚麼應用。
這項研究於 11 月 2 日發表於 BMC Medicine，屬於既有研究領域的一部分，並非從零開始提出化療預測。較早期以 CT 為基礎的模型，已在治療前檢視反應。NeoGEM 將焦點轉向腫瘤以外的資訊，提出一個實際問題：更廣泛的影像分析，能否產生臨床醫生可據以行動的資訊？
NeoGEM 化療預測研究報告了甚麼
由 Ding Ping’an、Guo Honghai、Yang Jiaxuan 及同事主導的多模態預測研究，將 NeoGEM 描述為新輔助胃癌評估模型（Neoadjuvant Gastric Evaluation Model）。新輔助化療是指手術前進行的化療。
分析涵蓋來自六間中心的 1,150 名患者、額外一個包含 352 名患者的隊列，以及 66 名來自前瞻性試驗的患者。輸入資料結合臨床資訊與放射組學，即從影像提取的數值量度，涵蓋腫瘤及第三腰椎附近的身體組成。
報告的外部驗證 AUC 介乎 0.859 至 0.877，前瞻性結果則介乎 0.864 至 0.867。AUC 衡量模型如何在不同結果組別中為患者排序；它不等於正確分類的百分比。
額外隊列採用以影像而非組織為基礎的反應評估，所得 AUC 為 0.840。研究人員報告，其 AUC 高於僅使用臨床資料、僅使用腫瘤資料，以及僅使用身體組成資料的模型。出版方將論文列為已接受、經同儕審閱、於最終編輯版本前發表的研究。
其貢獻在於一項更廣泛的預測策略，並在多個評估環境中取得證據支持。
這項貢獻值得按其本身條件獲得關注。毋須把該系統描述為自主腫瘤科醫生，或現有照護的替代品。相關進展在於有哪些資訊納入預測，而非誰掌控治療。
設想一項假設性的研究審視，涉及一名準備在胃部手術前接受化療的患者。團隊已有影像及臨床紀錄。預測工具會為這些紀錄加入一項評估，形成另一項可供討論的證據。
此時，重要問題轉為實際操作：這項評估是否足以支持更仔細的審視、另一項檢查，或就不確定性進行不同的討論？這些行動各自需要證據及清晰界定的責任。
預測不能僅因其輸入涵蓋更多解剖結構，便回答所有問題。其效用取決於額外資訊能否解決原本仍然棘手的決策。
對追蹤 AI 發展的讀者而言，這正是具新聞價值的轉變。研究擴闊了熟悉預測問題的資訊邊界，也令預測與介入之間的界線更難忽視。
放眼腫瘤以外，改變了研究問題
即使尚未改變任何臨床工作流程，加入患者相關資訊已改變所檢驗的假設。
聚焦腫瘤的模型會問，癌症特徵是否包含有關後續反應的有用訊號。更廣泛的模型則會問，若連同帶病者本人的情況一併解讀，這些訊號會否變得更具資訊價值。
兩種方法可以並存，但對研究人員提出不同要求。較廣泛的輸入集必須透過比較來證明其價值，否則額外量度可能淪為複雜性，讓讀者誤以為增加了理解。
因此，相關比較應維持評估條件一致。研究人員需要問的是，當他們在其他方面可比較的系統中加入患者層面的資訊後，究竟有何改變。這種做法有助把額外輸入的價值，與研究設計差異區分開來。
這亦是醫療 AI 開發者承受壓力之處。新架構或更大的輸入組合，並不足以構成產品論據。買家需要清楚了解新增資訊改變了甚麼。
對醫院而言，更多輸入可能意味更多依賴條件。必須有人找出所需紀錄、檢查其是否合用，並決定缺少輸入時如何處理。這些工作應納入實施建議。
這種壓力亦延伸至研究溝通。將系統稱為「多模態」，表示它結合不同類型的資訊。但這個標籤本身，幾乎沒有說明這些來源是否各自獨立貢獻，抑或支持同一項潛在關聯。
這個區別影響結果的說服力。若額外輸入在公平測試下貢獻甚微，較簡單的方法仍具優勢。若它持續改善一項相關決策，較廣泛的方法便有更強理據。
一個有用的假設性比較，是在同一批患者身上評估兩個系統。一個只使用腫瘤量度；另一個加入患者資訊，但維持結果定義與評估程序不變。
問題不在於哪一個系統聽來更全面，而在於第二個系統有否在正確方向上改變足夠多的評估，以證明其額外要求合理。這才是衡量更廣泛策略的適當標準。
對審閱臨床 AI 主張的知識工作者而言，保留這項比較至關重要。省略基準線的摘要，會令讀者失去判斷新資訊帶來甚麼貢獻的能力。
實際教訓是追蹤增量主張。問清楚新增了甚麼、維持不變的是甚麼，以及改善了甚麼。這些問題讓人更容易評估科學貢獻，而不會誇大其臨床意義。
其他胃癌模型說明輸入資料為何重要
NeoGEM 進入了一個在治療前以多種方式整合資訊的研究環境。有意義的比較關乎資訊策略及臨床問題，而非孤立標題分數之間的競賽。
包括 Zhang Shenyan 及同事在內的研究人員於 2025 年進行了一項研究，探討CT 與活檢整合。其分析涵蓋 295 名患者，結合影像量度與從活檢切片提取的特徵。
該研究針對病理完全反應，即治療後按研究的組織評估未發現殘留癌症。其合併模型報告的 AUC 為 0.814。由於結果定義及患者群體不同，這個數字不能用來確立與 NeoGEM 的排名。
較早前一項CT 反應研究在不同治療隊列中評估了以腫瘤為基礎的方法。該研究報告，在化療隊列中的 AUC 介乎 0.72 至 0.82，而在另一個標靶治療隊列的表現較弱。
這些研究共同說明，預測目標及治療環境應與效能數字一併呈現。它們亦顯示研究人員一直探索多條路徑，包括腫瘤影像、組織資訊及更廣泛的患者量度。
不同輸入資料代表對有用資訊所在位置的不同判斷。
對開發者而言，這些判斷塑造整個項目。圍繞活檢材料建立的系統，必須處理這些影像的可得性及準備方式。以 CT 量度建立的系統，則面對另一組取得及處理問題。
因此，最強的設計不一定是資料類型最多的設計。最強的建議會解釋，為何其選擇的資訊符合預期決策及使用環境。
當研究人員將一般臨床紀錄描述為容易取得時，這點尤其相關。可得性只是論點的起點。即使紀錄存在，也未必能在所需時刻以一致、可用的形式送達。
一名比較這些方法的假設性醫院買家，需要的不僅是效能摘要。買家會問所需資訊何時可得，以及由哪個團隊核實。買家亦會問，輸出結果是否會在相關討論前送達。
這些問題不會削弱科學進展。它們解釋了為何研究替代方案即使標題指標不同，仍可各具可行性。不同機構可能面對同一臨床問題的不同限制。
這項比較亦遏止過早提出取代主張。較廣泛的影像模型不會令以活檢為基礎的研究變得無關緊要。以組織為基礎的模型，也無法定論腫瘤以外的資訊是否增值。
就 NeoGEM 化療預測的故事而言，有用的競爭框架很狹窄：更廣泛的患者資訊，對比主要以腫瘤特徵為中心的預測。其他方法為評估這項選擇提供背景。
這個框架讓分析保持聚焦，避免把原本從未設計為共享排行榜的不同研究項目，變成一場排行榜競賽。
更好的排序仍需要明確界定臨床決策
下一項挑戰關乎解讀。效能指標可以準確描述模型，同時令其實際角色含糊不清。
TRIPOD+AI 報告指引在評估預測模型時，區分辨別能力、校準度及臨床效用。校準度關乎預測機率是否與觀察到的結果一致。臨床效用則關乎使用模型是否支持有價值的決策。
這些是不同的評估問題。即使模型能有效為患者排序，當其輸出成為機率或觸發行動時，仍需要接受審視。
臨床主張必須符合證據實際評估的決策。
例如，設想一項研究方案，把不利預測用作觸發額外多學科審查。這與使用同一預測來不提供原定治療，是不同的介入措施。
第一項建議要問，額外審查能否充分改善決策，以合理化其要求。第二項則要問，改變治療能否改善結果。支持其中一項建議的證據，並不會自動確立另一項建議。
因此，「預測化療反應」不應悄然變成「識別應避免化療的患者」。後者引入了治療建議，必須了解不同選擇下會發生甚麼。
不利的預測同樣沒有說明替代方案。它沒有指出另一種療程、確立提早手術的價值，亦沒有解釋哪種支持性介入會有幫助。這些仍是獨立的問題。
醫院評估應先以淺白語言界定擬議行動。誰會接收輸出結果？他們預期會作出甚麼不同做法？甚麼結果才算是帶來效益？
討論錯誤時也應採取同樣清晰的方式。假陽性是錯誤地預測被標示為陽性的結果。假陰性則是漏掉該結果。它們造成的後果取決於團隊下一步會怎樣做。
如果擬議行動是追加審核，錯誤會造成一類負擔。如果擬議行動會改變治療，後果便會不同。模型的角色決定哪些錯誤最重要。
這項分析並未證明 NeoGEM 存在任何特定的營運弱點。它指出，當研究評分進入擬議的照護流程時，哪些問題便成為必要考量。
這個區別對醫療以外的 AI 產品團隊同樣重要。一個系統可以預測某事件，卻未必能指出可改變該事件的介入措施。混淆這兩種功能，容易導致超出證據所能支持的建議。
在臨床照護中，這種混淆的後果尤其直接。一個有用的開發計劃必須把預測連繫至明確界定的行動，然後評估這種連繫。
這才是 NeoGEM 化療預測所需的下一層證據。預測結果確立了一個研究機會；特定的臨床用途則需要特定的臨床論證。
領域現有證據支持關注與持續審視
更廣泛的文獻既提供了研究這種方法的理由，也提醒人們不應過度宣稱其成熟程度。這兩種立場可以並存，毋須製造人為爭議。
Diliyaer Adili、Aibibai Mohetaer 及 Wenbin Zhang 撰寫的一項放射組學證據回顧，檢視了涉及 3,373 名患者的 14 項研究。該回顧指出，當模型結合臨床資料與放射組學特徵時，整體匯總表現較佳。
它亦指出研究質素的限制。平均放射組學質素評分為 36.3%，作者呼籲進行更多前瞻性及多中心研究。
該回顧早於 NeoGEM，並未評估這項新研究。其相關性在於背景脈絡：整合資訊本已有科學理據，但該領域的評估實務仍是重要關注點。
一項具前景的新研究應強化證據基礎，而不應承襲更廣泛領域尚未確立的結論。
對讀者而言，這比單純熱衷或否定更有用。恰當的問題是：一項新結果能在多大程度上減少圍繞某項特定擬議用途的不確定性。
一項研究可以減少對訊號是否存在的不確定性。另一項研究可以探討該訊號能否在其他地方持續出現。之後的研究則可以詢問臨床人員是否能有效使用它。
這些貢獻會逐步累積，但不能互相替代。把它們視為獨立步驟，有助解釋為何在同行評審期刊發表後，額外評估仍具價值。
獨立審視亦應區分證據缺失與失敗證據。如果某個實施問題仍未有答案，並不表示模型表現不佳；這表示現有主張存在界線。
相反，一個未獲解答的問題不應因為某項標題指標看來令人鼓舞而消失。擬議用途仍有責任證明其要求已獲滿足。
對企業買家而言，這表示應評估整套證據，而不只是摘要。這套證據應讓負責部署的人員明白目標群體、輸出結果、行動及限制。
對研究人員而言，同樣的做法鼓勵精確主張。準確說明某項評估所確立的內容，可能比附加關於個人化照護的廣泛承諾更能提高結果的可信度。
對患者及一般讀者而言，這個區別可避免另一種誤解。關於預測治療反應的研究，並不表示一項新測試已可供使用，或適合某個個別個案。
這項比較毋須虛構一名 NeoGEM 研究的批評者。審視源於研究表現與擬議臨床介入之間的差異。
這個區別是整個故事貫穿始終的核心張力。更廣泛的資訊可以加強預測，但與該預測相連的決策仍需要自身的證據。
有用的評估應保留這兩個面向。它應肯定科學貢獻，並清楚劃定尚未經測試的範圍。
留意可重現性、獨立測試與臨床使用
未來數月內，三項發展會令有關 NeoGEM 的下一批報道更具資訊價值。這些是觀察重點，而非已公布的里程碑或對發表日期的預測。
第一項是實際可重現性，即另一個團隊能否重複模型的處理及評估。讀者應留意方法是否足夠詳細、模型版本是否明確界定，以及是否清楚交代所需輸入資料。
這些材料會令獨立評估更可行，從而加強對研究路徑的信心。若分析難以重現的疑慮持續存在，即使原始發現未受影響，也會限制外部審視。
第二個訊號是在清楚描述的目標使用情境中進行獨立評估。該評估應保留以下區別：評估一個固定系統，與為新資料修改系統，並非同一回事。
固定模型直接接受測試，以了解其現有預測在其他場景的表現。經修改的模型則帶來另一個問題：哪些結論屬於原始系統，哪些屬於修訂版本？
能清楚分開這些問題的證據，會加強擴大使用的論據。混淆兩者的報告，則會令表面上的重複驗證更難解讀。
第三個訊號是研究人們實際如何使用輸出結果。相關問題包括臨床人員是否理解結果、何時會不同意，以及隨後採取甚麼行動。
DECIDE-AI 臨床指引針對在真實臨床環境中早期評估 AI 決策支援。它強調臨床表現、安全性及人為因素，也就是人與系統之間的互動。
這個框架為未來的實施研究提供了合適視角。它並不認證 NeoGEM，亦不證明任何特定部署已準備就緒。
下一項最具關鍵性的結果，將會把可重現的預測連繫至經清楚評估的臨床行動。
一項有用的早期研究可能發現某個介面令使用者感到混亂，或輸出結果在相關會議之後才送達。這些發現會揭示實施問題，同時亦提供具體機會改善系統。
較令人關注的模式，會是在未界定行動或未評估其後果的情況下，反覆聲稱具有臨床價值。這種模式會削弱部署論據，但未必會推翻基礎預測本身。
對開發者而言，教訓是應與模型同步規劃證據路徑。對買家而言，則是要問每項新結果容許他們得出甚麼結論。
閱讀下一次 NeoGEM 化療預測更新時，請牢記這些界線。先看目標患者群組，然後辨識輸出結果及其支持的行動。檢查另一個團隊評估的是同一系統還是修改版本。尋找對錯誤的明確交代，以及臨床人員不同意時發生了甚麼事。把論文的發現與擬議部署分開，也把兩者與改善結果的主張分開。這種做法讓有用的研究得到應有關注，卻不會把預測變成缺乏支持的建議。下一個有意義的問題很具體：當模型進入照護流程時，哪項決策會變得更好，而甚麼證據顯示了這種改善？
