在 2025 年 10 月召开的欧洲肿瘤内科学会（ESMO）大会上，一项基于人工智能（AI）的研究结果被公布。该研究发现，无论癌症患者的肿瘤类型如何，且不受已确立的肿瘤相关生物标志物影响，患者的胸腺健康状况可能与免疫治疗的生存结果相关。

      研究作者、麻省总医院人工智能医学（AIM）放射科的 Simon Bernatz 医学博士（MD）在解释研究开展原因时表示，尽管已知胸腺会随年龄增长而衰退，但每个人的衰退速度差异很大，这导致目前胸腺在成年人中的衰退特点及相关性尚不明确。研究的核心问题由此提出：T 细胞在胸腺中成熟，且 T 细胞会推动免疫治疗反应，那么健康的胸腺是否会影响免疫治疗效果？此前该问题未得到充分解答，关键在于临床中缺乏切实可行的胸腺评估方法。

     为解决这一评估难题，Bernatz 团队开发了 AI 驱动的胸腺评估方法，通过标准 CT 扫描量化胸腺健康状况，并构建了 “胸腺健康评分” 模型（评分范围 0-100）。该模型的开发基于包含 5000 多名个体的独立数据集，算法会先定位胸腺、提取影像特征，最终整合为评分结果。研究中，评分处于最低四分位者被定义为 “胸腺健康较差”，最高四分位者为 “胸腺健康良好”，其余则为 “胸腺健康中等”。

     在临床验证阶段，研究人员首先分析了哈佛大学的非小细胞肺癌数据集 —— 该数据集包含 1218 名接受免疫治疗，并随访了无进展生存期（PFS）与总生存期（OS）的患者。结果显示，在调整性别、年龄、东部肿瘤协作组（ECOG）体能状态、组织学亚型、PD-L1 状态及治疗线数 / 类型后：

• 胸腺健康良好患者的 PFS 显著改善，与健康较差者相比，风险比（HR）为 0.63（P<0.001）；健康中等患者的 HR 为 0.69（P<0.001）。

• 总生存期方面，健康良好患者的死亡风险比为 0.56，健康中等患者为 0.61（两者均 P<0.001），即胸腺健康良好者的死亡风险较健康较差者降低 44%。

      进一步研究中，团队将胸腺健康评分与 PD-L1 状态、肿瘤突变负荷（TMB）进行对比，发现三者对 PFS 和 OS 的效应量相似；且胸腺健康状况在 PD-L1、TMB 各亚组中均具备预后价值，证明其是一种独立生物标志物。借助 TRACERx 研究的血液评估数据，研究还揭示了潜在机制：胸腺健康状况越好，胸腺输出量、T 细胞受体多样性及血液中 T 细胞比例均越高。

      此外，针对哈佛大学 2258 名涵盖黑色素瘤、乳腺癌、肾癌等多种癌症的患者数据研究显示，不同肿瘤类型中均得出相似且一致的结果，这表明胸腺健康对免疫治疗效果的影响适用于多种癌症。

针对这项研究，行业专家认可其两大核心优势：

1. 突破传统 “肿瘤内在预测因子” 的局限，转向 “宿主免疫生物标志物”，更贴合免疫治疗的作用机制。

2. 依赖临床常规获取的 CT 扫描数据，无需额外检测，易于在临床实践中推广，且与生存结果直接相关。

同时，该研究在概念上重新定义了 “免疫衰老”，将其视为免疫肿瘤学中可改变、至少可量化的方面，具备理论创新价值。

      不过，研究仍存在未解决的问题与局限性：

1. 因果关系不明确：胸腺萎缩是直接导致免疫治疗反应降低，还是仅与衰老相关，目前尚未厘清。

2. 干扰因素未完全排除：既往治疗、类固醇使用、放疗、感染、体重指数（BMI）及合并症等，均可能影响胸腺健康与治疗结果的关联。

3. 潜在关联待探索：胸腺健康变化是否与疾病复发、免疫治疗耐药、免疫相关不良事件有关，以及肿瘤组织学特征对该关联的影响，仍需进一步研究。

4. 主要局限性在于研究尚未经过前瞻性验证。

      对于后续研究，专家建议开展多项工作：将胸腺健康评分与淋巴细胞计数等免疫健康指标进行基准比较；开展前瞻性研究，以控制肿瘤组织学特征及免疫治疗类型与组合；同时可扩展影像学评估范围，将淋巴结、脾脏、骨髓等免疫相关器官的变化纳入评估。

     Bernatz 表示：“需要开展随机临床试验，才能将胸腺健康评估真正应用于临床实践。” 他同时指出：“当前临床试验和临床实践中未考虑患者整体适应性免疫系统，而胸腺健康状况可能为整体医学带来新范式，有望成为现有癌症生物标志物检测组合中缺失的重要支柱。” 未来将患者整体免疫系统状态纳入临床决策，或可与其他肿瘤生物标志物协同发挥作用。