一次CT平掃即可助力醫(yī)生識別多種癌癥，在線平臺幾秒完成個性化醫(yī)療資源對接……近年來，人工智能（AI）技術正全面變革腫瘤診療方方面面。

“AI可貫穿腫瘤診療全流程。”中國科學院深圳先進技術研究院生物醫(yī)學與健康工程研究所醫(yī)學人工智能研究中心執(zhí)行主任李志成向科技日報記者介紹，“從影像初診、病灶識別、病人入院，到病理診斷、手術方案可視化等，甚至出院恢復跟蹤，AI的介入是醫(yī)生和患者看得見、摸得著的。”

幫助腫瘤早期篩查

北京美中愛瑞腫瘤醫(yī)院院長徐仲煌介紹，很多腫瘤患者確診時已是中晚期，錯過了最佳治療時機。早期篩查能幫助醫(yī)生在無癥狀或癌前病變階段發(fā)現(xiàn)病情，并通過早期干預有效降低發(fā)病率和死亡率，AI在腫瘤早篩領域潛力巨大。

腫瘤早篩通常依賴一系列非侵入性或微創(chuàng)檢查手段，包括影像學檢查、血液標志物檢測及分子診斷等。這方面，AI介入已取得突破性進展。李志成認為，在基于影像的深度學習技術加持下，AI在某些腫瘤篩查中的表現(xiàn)甚至超越了人類專家。

近兩年，《自然》雜志等國際期刊多次發(fā)表AI助力腫瘤篩查的相關研究。哈佛大學醫(yī)學院團隊研發(fā)的CHIEF模型不僅能診斷19種癌癥，還可以定位腫瘤微環(huán)境、引導治療策略及預測生存率。阿里巴巴達摩院研發(fā)的胰腺癌早期檢測模型PANDA，判斷存在病變的準確率高達92.9%。這些成果表明，AI不僅能輔助診斷，還能在精準治療中發(fā)揮關鍵作用。

相關實踐已顯示出AI在腫瘤篩查中的作用。今年2月，阿里巴巴“醫(yī)療AI多癌早篩公益項目”在浙江麗水市中心醫(yī)院等機構部署，將達摩院醫(yī)療AI技術創(chuàng)新應用于衛(wèi)生健康領域。“項目在4個月內篩查超5萬人次，篩查病種包括胰腺癌、食管癌、胃癌、結直腸癌，其中發(fā)現(xiàn)的145例癌癥病變已被臨床證實。”達摩院醫(yī)療AI團隊負責人呂樂解釋，通過結合大量歷史數(shù)據和復雜算法，AI能從影像中提取肉眼難以察覺的微小病灶信息。在繁瑣的影像分析任務中，AI還能快速處理大量數(shù)據，減輕醫(yī)生壓力。

徐仲煌說，癌癥必須依靠多學科協(xié)作才能制定最優(yōu)治療方案，而AI可助力解決這一過程中專業(yè)人員短缺、經濟成本高等問題。

呂樂以PANDA為例說，模型相當于匯集了數(shù)十位不同專業(yè)醫(yī)生的知識庫，通過整合影像學資料、基因組學信息、病理學數(shù)據等多模態(tài)數(shù)據，實現(xiàn)跨科室的數(shù)據融合。在此基礎上，模型能提取關鍵病灶信息及潛在病理特征，進而開展跨科室的全方位分析。

提高癌癥認知水平

推動醫(yī)學領域的科學認知，是AI助力腫瘤診療的更高維度。

李志成團隊已從事腦膠質瘤研究數(shù)十年。談及腦膠質瘤診療現(xiàn)狀，李志成說：“我們對這種疾病的科學認知仍然有限，醫(yī)生們尚未完全理解腦膠質瘤的發(fā)生發(fā)展和復發(fā)機制，也還沒有找到切實有效的精準治療途徑。”

對此，徐仲煌深有同感。“對癌癥認知的不足限制了診療手段。面對疑難雜癥，臨床上很多時候只能摸著石頭過河。”

現(xiàn)有AI診療模型也有局限性。李志成說，許多模型通過大規(guī)模標注數(shù)據集訓練，尋找圖像特征與臨床結果之間的相關性。雖然這種方法在準確率上取得了顯著成效，但這種“黑箱式”操作缺乏解釋性依據，導致醫(yī)生難以完全信賴AI的診斷結果，因此回歸醫(yī)學源頭的認知格外重要。

這方面，AI可以發(fā)揮的空間很大。“AI能整合影像、病理、基因等多模態(tài)數(shù)據，提供多尺度綜合分析，幫助我們構建更完整的腫瘤‘畫像’。腫瘤是一個由復雜癌細胞組成的生態(tài)系統(tǒng)，對其畫像勾勒得越準確，就越能發(fā)現(xiàn)以往忽視的腫瘤行為和潛在治療靶點，為前端治療提供新思路。”李志成說，隨著基因組、蛋白質組等分子層面數(shù)據不斷豐富，AI有望突破現(xiàn)有認知瓶頸，助力提升對復雜癌癥的科學認知。

徐仲煌補充說：“面對陌生腫瘤，如果AI能推動人類對其認知前進，哪怕是一小步，也有可能從根本上為腫瘤診療提供新的方法論指導，真正改變我們應對癌癥的方式。”

發(fā)揮數(shù)據“養(yǎng)料”作用

要想使AI進一步賦能腫瘤診療全流程，獲取優(yōu)質、全面、龐大的數(shù)據支持十分關鍵。

AI模型的訓練不僅依賴醫(yī)生標注，還需要完整的臨床周期數(shù)據。呂樂舉例說：“PANDA模型訓練過程中，醫(yī)生不僅要提供病理圖片、病理報告、CT影像等多模態(tài)數(shù)據，還需要手動確認病灶位置，并在增強CT上準確勾勒出來。接著，工程師通過三維圖像配準技術，將病灶的三維勾畫映射到平掃CT上，最終讓AI學會識別早期胰腺腫瘤在平掃CT影像中的表現(xiàn)。”

這個過程中，只有醫(yī)生和AI團隊密切合作，才能為模型提供高質量的訓練數(shù)據。呂樂進一步解釋，前沿的醫(yī)療AI算法團隊往往依賴廣泛的合作醫(yī)院提供多樣性數(shù)據，這對于提高模型的泛化能力至關重要。不同醫(yī)院的數(shù)據為AI模型提供了豐富的病理背景，幫助其更準確地應對各種臨床情境。

然而，由于需要數(shù)據量大、涉及部門多、數(shù)據分散等問題，數(shù)據獲取成為目前腫瘤AI研究的主要瓶頸。“獲取單一的影像或病理數(shù)據并不難，但同時獲取同一病人的影像、病理、基因等全模態(tài)數(shù)據非常難。”李志成說，這不僅需要多個科室密切配合，還需要耗費大量時間。當前腫瘤研究往往分散在不同學科，影像分析由影像科和工程技術人員負責，而基因數(shù)據則由分子病理學科或生物信息學人員處理。打破學科間壁壘、整合數(shù)據，仍是一個巨大挑戰(zhàn)。

“數(shù)據是AI能否在醫(yī)療中充分發(fā)揮作用的基礎‘養(yǎng)料’。”在徐仲煌看來，數(shù)據的擴展性、標準化和安全性是醫(yī)院在布局醫(yī)療AI時的關鍵考量因素。醫(yī)院在規(guī)劃AI布局時必須從當下著手，確保數(shù)據錄入、存檔和管理的標準化，提前設計合理的數(shù)據管理框架，同時為未來的數(shù)據處理預留接口。AI的優(yōu)勢在于其能不斷吸收新數(shù)據，進行自我優(yōu)化。這要求醫(yī)院的數(shù)據存儲系統(tǒng)具備擴展性，以應對日益增長的多模態(tài)數(shù)據需求。

在數(shù)據安全方面，徐仲煌認為，醫(yī)院需建立嚴格的數(shù)據加密和隱私保護機制，確保技術應用在符合法律法規(guī)、社會倫理的前提下，為臨床診療工作提供可靠支持。

關鍵詞：