一、前言
腫瘤免疫療法(Immuno-Oncology, I-O)是癌症治療的新方法，繼手術、放射治療、化療與標靶治療，成為癌症治療的第五支柱。其核心概念是藉由活化或調節免疫反應，運用患者自身的免疫系統辨識並攻擊癌細胞，達到抑制腫瘤生長與轉移的效果。

依治療方式可分為四大類：免疫檢查點抑制劑(Immune Checkpoint Inhibitors, ICI)、過繼性細胞療法(Adoptive Cell Therapy, ACT)、抗體標靶療法(Antibody-based Targeted Therapies)及其他療法。

ICI透過阻斷如PD-1/PD-L1或CTLA-4等抑制性訊號，恢復T細胞的活性以攻擊癌細胞；ACT則利用患者自身免疫細胞，如CAR-T或自然殺手(Natural Killer, NK)細胞，經體外活化與基因修飾後再輸回體內；抗體標靶療法採用人工製備的單株抗體或抗體藥物複合體，精準辨識癌細胞表面抗原進行攻擊；其他療法包括溶瘤病毒治療與癌症疫苗，透過誘發特異性免疫反應達成抗腫瘤效果。

二、腫瘤免疫療法面臨的挑戰與策略
I-O雖已成為癌症治療的重要突破，但在臨床試驗與實際應用中仍面臨多重挑戰。

(一)患者選擇與生物標誌物識別
現行指標如PD-L1表現、腫瘤突變負荷(Tumor Mutation Burden, TMB)及微衛星不穩定性(Microsatellite Instability, MSI-H/dMMR)無法完全準確預測療效。由於免疫反應具高度變異性，使得辨識合適患者變得困難，為此，臨床上逐漸採用多體學分析、AI與液態活檢(Liquid Biopsy)技術，藉由監測循環腫瘤細胞DNA(Circulating Tumor Cell, ctDNA)及腫瘤微環境(Tumor Microenvironment, TME)，進行早期治療反應評估與患者分層。

(二)抗藥性與反應持久性不足
部分腫瘤對免疫檢查點抑制劑，如PD-1、PD-L1、CTLA-4出現先天或後天的耐受性，免疫細胞浸潤度低、T細胞疲勞及免疫抑制環境都限制了療效。採用聯合治療，如TIGIT、LAG-3、KRAS抑制劑或抗體藥物複合體(Antibody-drug Conjugates, ADC)以及個人化新抗原(Neo-antigen)疫苗可增強免疫特異性，並透過IL-2或STING等活化劑來恢復免疫活性。

(三)嚴重免疫相關不良事件(Immune-related Adverse Events, irAEs)
irAEs是臨床安全性的主要挑戰。PD-1或CTLA-4抑制劑可能引發自體免疫毒性反應。為降低風險，臨床引入AI模型與即時生物標誌監控，如細胞激素、自體抗體、ctDNA等，進行毒性預測與劑量調整，達到療效與安全性的平衡。

(四)臨床試驗時間長及成本高
I-O臨床試驗平均需5到7年完成，冗長的無病存活率(Disease-free Survival, DFS)觀察與複雜的監管程序常造成製藥公司財務壓力。目前的因應策略包括自適應試驗設計(Adaptive Design)、籃式與傘式試驗(Basket and Umbrella Trials)等方法來同步評估多種療法，並結合真實世界證據(Real-World Evidence, RWE)加速藥物的批審。

(五)患者招募困難與可及性有限導致樣本不足
嚴格的患者篩選條件及偏遠地區因素常使潛在患者被排除。目前趨勢是推動分散式臨床試驗(Decentralized Clinical Trials, DCT)與遠距監測，並透過AI進行電子病歷(EHR)篩選與數位孿生模擬，提升患者的招募效率並減少患者負擔。

三、癌症的治療技術趨勢
癌症治療的技術發展正朝向早期診斷、智慧藥物研發與AI整合三大方向前進。AI結合影像分析、液態活檢與多體學數據，可在早期階段偵測微小癌變，提升篩檢效率。而藥物研發方面，區塊鏈技術能促進臨床資料共享，AI與穿戴式感測器能即時監測免疫反應、分析最佳的藥物劑量與個人化的治療策略，加速新藥開發流程。最後，AI驅動的患者支持系統結合數位孿生技術與遠距監測，能預測治療反應、降低免疫副作用並提升患者的治療順從性。整體而言，AI與數位技術正推動癌症治療邁向更精準、高效與個人化的時代。

四、代表案例
腫瘤免疫療法的開發，常見到藥廠間的合作，以下依治療方式介紹研發案例。
(一)免疫檢查點抑制劑(ICI)
Merck/MSD近年積極透過策略合作推進免疫腫瘤治療研發，研發與PD-1受體抑制劑單株抗體藥物Keytruda相關的療法。與Nectin Therapeutics公司合作進行Keytruda與單株抗體藥物NTX1088的臨床試驗，評估其恢復表現DNAM1蛋白之免疫細胞，如NK細胞抗腫瘤功能的功效；與GV20 Therapeutics公司合作，利用其AI驅動的STEAD平台開發針對免疫檢查點IGSF8的新型抗體藥物GV20-0251，並與Keytruda聯合治療侵犯性實體腫瘤；同時與Teon Therapeutics公司合作，評估口服ICI 藥物TT-816與Keytruda聯合應用於治療難度高癌症的效果。這些合作展現Merck/MSD致力於以多重免疫機制來拓展抗PD-1療法潛力，推進精準腫瘤治療。

(二)過繼性細胞療法(ACT)
Astellas公司與Poseida Therapeutics公司建立研究合作與授權協議，結合 Astellas旗下Xyphos的免疫細胞修飾平台ACCELTM與Poseida的異體CAR-T平台，共同開發創新的異體細胞療法。雙方計畫打造由Poseida開發的convertibleCAR®抗原結合結構，作為標靶實體腫瘤的候選藥物。ACCEL™ 技術則能透過與專有MicAbodies結合，可精準鎖定腫瘤細胞。

(三)抗體標靶療法(Antibody-based Targeted Therapies)
Gilead Sciences公司與專注於多功能抗體藥物開發的新創公司Tentatrix Biotherapeutics建立合作關係。雙方共同開發針對發炎及癌症疾病的條件性多功能蛋白療法，使用Tentatrix公司的獨特Tentacles技術。這些分子專門為標靶疾病相關免疫細胞設計，同時減少非目標免疫細胞的活化以避免副作用，藉由雙重作用機制提升療效與安全性。

(四)其他療法
CureVac公司與美國德州大學MD Anderson癌症中心建立策略合作，合作開發以mRNA為基礎的癌症疫苗。此合作結合CureVac公司在mRNA研發與製造上的技術，與MD Anderson癌症中心在轉譯與臨床研究領域的專業。聚焦於開發創新型mRNA 癌症疫苗，來針對目前缺乏有效治療選項的特定血液性及實體腫瘤。MD Anderson癌症中心主導進行第一/二期臨床試驗，而CureVac公司則擁有疫苗在全球範圍內進一步開發、商業化及與其他企業合作推進的獨家權利。

五、成長機會
(一)前導性治療(Neoadjuvant & Pre-operative Settings)中的應用
前導性免疫治療是一項新興的癌症治療策略，透過在手術前施用ICI，如 PD-1、PD-L1或CTLA-4單株抗體，以縮小主要腫瘤並清除術後殘存癌細胞。研究顯示，該療法能活化腫瘤特異性T細胞，提高腫瘤內與全身的免疫反應。法國的NEOMEL臨床試驗驗證了此療法在可切除轉移性黑色素瘤(Resectable Metastatic Melanoma)患者中的有效性與安全性。目前該療法也正進行早期非小細胞肺癌等臨床試驗。未來需進一步探索ICI反應與抗藥性相關的生物標誌物、建立替代性臨床指標、並測試藥物劑量與治療組合，並加強術前後免疫監測。

(二)多重生物標誌物
改善療效預測、生物標誌物的毒性與抗藥性識別是目前研究重點。現階段需建立藥效動力學標誌物，以即時反映治療反應或抗性，協助臨床決策。傳統單一標誌，如PD-L1、TMB或MSI-H雖帶動I-O進展，但仍受限於預測準確度不足；整合多重標誌能提升預測能力並支援個人化治療選擇。多重生物標誌面板可綜觀免疫環境，克服單一標誌在不同腫瘤間表現不一的限制。目前Merck與Roche等公司已展開多重標誌臨床試驗，而FDA亦核准TMB與 PD-L1聯合用於非小細胞肺癌，顯示多標誌策略已獲監管機構認可。未來方向包括整合各種標誌物與基因表達圖譜以提升準確度，並運用AI從大數據中發掘新標誌物組合。液態活檢的興起可即時、非侵入性地監測免疫反應。

(三)模擬腫瘤微環境的臨床前模型
早期臨床試驗的動物模型無法準確模擬人類腫瘤與免疫系統間的交互作用，且由於基因多樣性與免疫調控差異，往往無法準確預測臨床反應，另外，動物模型耗時且成本高，因此發展更精準的臨床前模型成為關鍵。新一代模型結合體內、體外與電腦模擬方法，可更有效解析TME、免疫結構及治療抗性，並提升藥物研發效率，現今研究趨勢著重於應用來自患者的異種移植腫瘤模型(Patient Derived Xenograft, PDX)、類器官與晶片器官(Organoids/Organs-on-Chip)，並結合空間多體學與單細胞分析，以提供更真實的腫瘤反應資料。Crown Bioscience公司透過SynAI平台利用AI進行藥物交互作用分析，Compugen公司則運用計算生物學發掘免疫治療新靶點。

(四)生成式人工智慧
透過AlphaFold、BioNeMo、ProGen等模型，可加速設計免疫檢查點抑制劑、雙特異性抗體及以T細胞受體(T Cell Receptor, TCR)為基礎的治療，縮短研發時程。AI支持的虛擬腫瘤模擬能預測免疫細胞、細胞激素與藥物組合在腫瘤微環境中的交互作用；DeepMind公司的AlphaMissense模型則可分析突變對免疫反應的影響。虛擬患者群與數位孿生模型能提升臨床試驗設計與分層效率，降低成本與失敗率。Moderna公司與Immatics公司的TCR-mRNA的疫苗研究亦是利用生成式AI開發個人化新抗原疫苗及預測TCR受體。未來方向包括結合多體學深度學習以研究癌症發生機制與生物標誌物，AstraZeneca公司與Absci公司合作開發AI抗體藥物平台，NVIDIA BioNeMo則提供快速訓練與部署模型，加速新藥研發並提高臨床前驗證精準度。