化疗该不该加，CTX不再只看复发风险：在TAILORx中找出被基因组评分漏掉的获益人群
核心概要
Ataraxis AI发布因果多模态模型CTX，用常规病理切片和临床变量预测HR+/HER2−乳腺癌患者加用化疗后五年无复发概率的增益，而不是只给复发风险。模型在来自三个国家五个队列的1994例留出患者中，CTX-τ的治疗与生物标志物交互项显著（p=2.1×10⁻⁶），并在未参与训练的TAILORx与UNIRAD两项三期试验中分别识别出化疗获益与需要升级治疗的人群。
深度剖析
CTX把乳腺癌辅助治疗决策要问的问题从“复发风险多高”改成“加化疗能多得到多少”，直接输出单个患者五年无复发概率的增益CTX-τ。 临床用于决定是否加化疗的21基因、50基因和70基因检测是预后工具，先估计复发风险，之后才被用于化疗决策；复发风险与化疗敏感性是肿瘤的两个不同属性。 在1994例、五个队列、三个国家的留出真实世界数据中，CTX-τ的治疗与生物标志物交互项p=2.1×10⁻⁶；同一批数据里年龄、分期、分级、组织学亚型和Ki67均无显著交互，Oncotype DX复发评分为p=0.025。
模型由病理基础模型与因果推断模块串联而成，先分别预测单用内分泌治疗和加用化疗两种情形下的结局，再取两者五年差值作为个体化化疗敏感性。 因果方法此前未在肿瘤学中成功应用，原因被归结为输入表达力不足与所用数据规模不够；病理切片达到吉像素级，专家难以逐张标注。 病理基础模型Falcon在超过20亿个H&E图像块上做自监督预训练，CTX的训练数据来自九个国家十二个队列的9141例患者；训练中对两组治疗人群的内部表征施加惩罚，以免学入真实世界数据中的偏倚。
在随机试验中，CTX-τ把化疗获益人群与无获益人群分开，并在高危人群中标出应考虑升级治疗的患者。 真实世界队列中化疗分配并非随机，带有临床判断的偏倚，因此需要锁定模型后在随机试验中检验其作为预测性生物标志物的表现。 TAILORx中CTX-τ判为高获益的11%患者获得6%的五年无病间期绝对获益（p=0.011），其余患者为0%（p=0.83），交互项p=0.016而基因组评分为p=0.20；UNIRAD中CTX-τ低获益组加用依维莫司五年无病生存提高10%（p=0.005），高获益组无获益（6%损失，p=0.48），交互项p=0.01。
启示与展望
已展示的范围是HR+/HER2−乳腺癌的辅助化疗决策：训练用九国十二队列9141例，评估用三国五队列1994例留出数据，并在TAILORx与UNIRAD两项三期试验中锁定模型检验；跨癌种结果来自对16种其他癌症6692例患者的零样本应用。
跨癌种迁移并非普遍成立：风险预测在16种癌症中的11种与生存相关，CTX-τ仅在7种接受铂类或紫杉类方案的癌症中的5种正确排序获益，在烷化剂及靶向、免疫治疗为主的癌症中大多失败。评估集上“同样6%复发率、仅10.5%接受化疗”的推算是按预测获益排序的反事实计算，而非实际分配的结果。