特發性肺纖維化（IPF）是一種罕見、不可逆且高度異質性的致命肺病，目前臨床試驗高度依賴用力肺活量（FVC）作為主要療效指標，但FVC作為粗略的功能性指標，無法即時反映肺部結構變化、難以區分纖維化與其他肺容積流失原因，且具備顯著的日間變異性與操作員依賴性，導致早期試驗訊號難以精確解讀。
英國皇家布朗普頓醫院顧問胸腔科醫師 Peter George 教授指出，AI驅動的定量CT（QCT）影像技術，能夠量化肺部纖維化範圍、間質性肺病（ILD）負擔與肺容積的細微結構變化，這在 INBUILD 分析中已獲得驗證——24 週的 QCT 變化可預測 52 週的 FVC 衰退，意味著臨床開發決策可大幅前移。
更關鍵的是，QCT 已不再停留於概念階段。e-Lung 平台已橫跨多個 Phase 2 與 Phase 3 計畫，並被選為 Phase 3b 肺纖維化試驗的共同主要終點，其在 taladegib 試驗中的表現更證明 QCT 能捕捉 FVC 遺漏的解剖學結構改變。這標誌著 IPF 試驗從單一功能性指標，邁向「功能+結構」多模態評估時代的關鍵典範轉移，對贊助商而言意謂著更早、更精準的 go/no-go 決策依據。
本質上，這是一場關於「臨床試驗決策典範」的科學方法論演進，而非傳統意義上的地緣或政商利益角力。因此，以下聚焦於 IPF 試驗設計的歷史技術脈絡、FVC 指標的結構性缺陷，以及 QCT 崛起的深層科學邏輯。
歷史脈絡：FVC 為何成為「不得不然」的黃金標準
IPF 的臨床試驗設計長期以 FVC 衰退斜率作為主要終點，源自監管機關的務實妥協。在 nintedanib（尼達尼布）與 pirfenidone（吡非尼酮）兩大抗纖維化藥物問世前，IPF 患者缺乏有效治療，52 週內死亡率雖高但事件數不足以作為統計終點。監管機關因此接受 FVC 作為死亡率的替代指標（surrogate endpoint），因其長期變化與死亡率具相關性，且具備可重複性與標準化量測優勢。然而，時至今日，標準抗纖維化治療已成為基礎共照選項，患者的 FVC 衰退速率被人為減緩，導致新藥研發必須擴大樣本數或延長試驗週期才能偵測到額外療效，研發成本與時間急遽攀升。
結構性矛盾：粗略指標 vs. 精細醫療的張力
FVC 是一個全域性、需要患者主動努力配合的指標，它能告訴我們「肺功能變了多少」，卻無法回答「在哪裡變、為什麼變」。更矛盾的是，臨床上常出現 FVC 看似穩定但患者呼吸困難加劇 的「假穩定」現象，這正是結構性損傷已發生但功能指標尚未反應的時間差。
此外，IPF 的異質性極高，患者疾病進展速率差異顯著，使得安慰劑組的行為模型難以精確建立；患者族群高齡且常伴隨共病，招募困難、耗損率高，加上不可逆的疾病特性，使早期診斷時已喪失寶貴的治療介入窗口。這些交織因素使 IPF 試驗成為業界公認「高失敗率、高成本、長週期」的研發深水區。
技術演進：QCT 為何是此刻破局
AI 影像分析的成熟並非偶然。早期 HRCT 雖提供高解析度結構影像，但受限於放射科醫師間判讀的質性差異，難以系統性追蹤細微變化。QCT 的核心突破在於：將質性主觀判讀轉化為可量化、可重複、跨掃描站點一致的數位生物標記。其演算法鎖定後不進行持續再訓練的特性，更提供了避免「過度擬合」的重要保障。
從 INBUILD 的 24 週預測 52 週結果，到 e-Lung 跨多項 Phase 2/3 的實戰部署，QCT 已累積足夠的「跨計畫、跨族群、跨掃描儀」證據基礎，這正是監管機關與贊助商願意採納新穎終點的關鍵門檻。
深層意涵：這不只是工具升級，而是 IPF 研發經濟學的重構
當早期試驗能以結構性影像在數月內偵測療效，贊助商將能在投入 Phase 3 之前更早做出 go/no-go 決策，避免動輒數億美元、多年的後期失敗。這對罕見疾病研發的投資報酬率具結構性正面意義。
對比歷史重大醫療影像技術的普及節奏——從 MRI 進入臨床常規耗時近 20 年，到 AI 輔助診斷在近 5 年內快速滲透——QCT 在 IPF 領域的擴張速度因「監管路徑已逐步明朗」而明顯加快。以下預測三種未來情境：
面對 QCT 重塑 IPF 試驗設計的關鍵轉折期，各利害關係人應採取以下行動：
01 起因觸發：IPF 試驗因 FVC 指標粗糙導致早期訊號難判讀、Phase 3 失敗率居高不下
02 一階傳導：AI 驅動的定量 CT（QCT）平台崛起，e-Lung 等系統獲跨 Phase 2/3 實戰驗證
03 二階擴散：製藥業開始在早期試驗中導入 QCT 作為共同主要終點，研發決策週期縮短
04 終局影響：IPF 與 ILD 研發經濟學重塑，影像 AI 平台從工具升級為試驗基礎設施，並外溢至其他結構性肺病領域
跨事件因果網路圖譜 1 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章
