신수경 (Erasmus University Medical Centre) | 한빛사논문 > 한빛사

한빛사논문

조회91

Erasmus University Medical Centre

npj Digit. Med., Jul 03 2026, | https://doi.org/10.1038/s41746-026-02947-1 Predicting response to neoadjuvant therapy using artificial intelligence on digitized histopathology slides: a systematic review

Soogyeong Shin^1*, Koen Kwakkenbos^1*, Denise E. Hilling^2,3, Andrew P. Stubbs¹, Jifke F. Veenland⁴, Michail Doukas¹, Cornelis Verhoef², Carolien H.M. van Deurzen¹, Jan H. von der Thüsen¹, Farhan Akram¹

¹Department of Pathology and Clinical Bioinformatics, Erasmus MC Cancer Institute, Erasmus University Medical Centre, 3015 GD Rotterdam, The Netherlands
²Department of Surgical Oncology and Gastrointestinal Surgery, Erasmus MC Cancer Institute, Erasmus University Medical Centre, 3015 GD Rotterdam, The Netherlands.
³Erasmus MC Datahub, 3015 CN Rotterdam, The Netherlands
⁴Department of Radiology and Nuclear Medicine, Erasmus University Medical Center, 3015 GD Rotterdam, The Netherlands

^*These authors contributed equally to this work.
Corresponding author: Farhan Akram

Abstract

Neoadjuvant therapy (NAT) is an important treatment strategy in surgical oncology, but not all patients benefit equally from it. This systematic review is the first to evaluate artificial intelligence (AI) models predicting NAT response from hematoxylin and eosin (H&E)-stained biopsies slides of solid tumors. A systematic search across five databases was performed following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, and study quality was assessed using the Quality Assessment of Diagnostic Accuracy Studies 2 (QUADAS-2). Out of 235 studies, 25 met the inclusion criteria and were analyzed regarding their AI methodologies, data modalities, and type of NAT. Most studies reported area under the curve (AUC) ranging from 0.70 to 0.90, and approximately 40% included external validation cohorts. In conclusion, AI models show promise in predicting NAT response from pathological slides, but future work should emphasize standardized data acquisition, patient-level validation, data transparency, and code sharing.

논문소개전체 설명

신보조요법(Neoadjuvant Therapy, NAT)은 수술 전에 시행하는 항암 치료로, 화학요법·면역요법·호르몬요법·방사선요법 등이 단독 또는 병합으로 사용됩니다. NAT의 목적은 크게 두 가지인데, 첫째는 전신 치료에 대한 반응을 사전에 평가하는 것이고, 둘째는 종양 크기를 줄여 수술 범위와 그에 따른 합병증을 최소화하는 것입니다. 치료 반응이 좋으면 수술 시 침윤성 종양세포가 전혀 남지 않는 병리학적 완전관해(pathological complete response, pCR)에 도달할 수 있으며, 이는 무병생존율과 무재발생존율 향상과 연관이 있는 것으로 알려져 있습니다. 최근에는 국소 진행성 종양뿐 아니라 조기 단계 종양에서도 장기 보존을 목표로 NAT 적용이 확대되는 추세이나, 모든 환자가 NAT에 동일하게 반응하는 것은 아닙니다. 일부 환자는 임상적 이득 없이 독성만 겪거나, 심한 경우 이후 수술 자체가 불가능해질 정도로 전신 상태가 악화되기도 합니다. 따라서 치료 전 반응을 정확히 예측해 비반응군을 불필요한 치료로부터 보호하는 것이 중요한 과제로 대두되었습니다. 전통적으로 이러한 예측은 병리 전문가의 육안 판독에 의존해 왔으나, 판독자의 숙련도에 따라 진단 정확도가 크게 달라지는 한계가 있었습니다. 이에 따라 AI를 활용해 예측 정확도를 높이고 판독자 간 편차를 줄이려는 연구가 활발히 진행되고 있으며, 특히 조직병리 슬라이드는 방사선영상이 포착하지 못하는 핵 이형성, 종양 구조, 기질 구성, 면역세포 침윤 등 세포 수준의 정보를 제공한다는 점에서 주목받고 있습니다. 따라서 저희 리뷰는 디지털로 스캔된 조직병리 슬라이드를 기반으로 하는 AI 모델이 NAT 반응을 얼마나 신뢰성 있게 예측할 수 있는지를 체계적으로 정리했습니다.

논문정보