首页 > 文章详情

人工智能在肺癌诊疗中的“大作为”：从大数据到临床实践

11月25日

编译：肿瘤资讯

来源：肿瘤资讯

肺癌，作为全球发病率和致死率最高的恶性肿瘤之一，其诊疗的精准化和效率提升一直是肿瘤学界的核心挑战。在海量复杂的影像、基因和病理数据面前，如何实现更早期的风险识别、更精确的疗效评估，并为每一位患者制定个体化的治疗方案，是精准医疗时代亟待解决的难题。人工智能（AI）正是解决这一难题的关键力量。它凭借强大的数据处理和模式识别能力，正在将传统的“大数据”转化为临床上的“大作为”。
AI不再仅仅是实验室中的概念，而是已深入到临床实践的前沿。本文将深度聚焦AI在肺癌诊疗中的最新进展与应用，特别基于圣地亚哥加州大学摩尔斯癌症中心（UC San Diego MOORES CANCER CENTER）Sandip Patel教授的权威分享，揭示AI如何革新肺癌的筛查、疗效评估和生物标志物分析，从而为患者带来更精准的诊疗路径和更优化的临床结局。

肺癌筛查：AI辅助低剂量CT（LDCT）风险预测

AI模型如Sybil，已被开发用于辅助LDCT进行肺癌风险预测。

该模型利用Resnet-18编码器和引导注意力机制，从LDCT影像和临床特征中提取信息，进行风险预测。
在NLST（国家肺筛查试验）数据上的ROC曲线显示，AI模型在预测不同年份的肺癌风险方面表现出色，例如，第一年的AUC（曲线下面积）为0.92，第二年为0.86。这表明AI能够识别出临床阴性但具有高风险的患者。

AI模型同样用于预测免疫治疗后的放射性肺炎等毒性反应。结合影像组学和临床数据训练的模型，在预测肺炎方面表现出良好的判别力（Mean AUC=0.78）。

疗效评估：数字病理学实现标准化

在非小细胞肺癌（NSCLC）的新辅助治疗中，评估病理学缓解深度（如主要病理学缓解，MPR）对判断预后至关重要。数字病理学结合AI，能够实现对治疗反应的标准化和自动化评估。

1. 病理学缓解深度（%RVT）与预后

对接受纳武利尤单抗联合化疗的新辅助治疗患者进行分析显示，残留活肿瘤百分比（%RVT）越低，事件发生率（EFS）越高。例如，0-5% RVT组患者的EFS显著优于>80% RVT组。

2. AI辅助病理学评估

AI 被用于对新辅助治疗患者的病理学反应进行定量评估。

数字评估的活肿瘤百分比（Digital MPR）与人工评估（Manual MPR）具有较高的相关性。

基于数字评估的MPR状态，MPR阳性（MPR-yes）患者的疾病无进展生存期（DFS）和总生存期（OS）均优于MPR阴性（MPR-no）患者。

生物标志物：定量连续评分（QCS）的创新应用

AI 在定量分析生物标志物方面也发挥了作用，例如 TROP2 靶点。

TROP2 NMR 定量：定量连续评分（QCS）是一种新型计算病理学方法，能精确量化和定位TROP2等靶点，并计算TROP2归一化膜比（NMR）。

预测Dato-DXd疗效：在TROPION-Lung01研究中，TROP2 QCS-NMR阳性状态可预测Dato-DXd在 NSQ/non-AGA人群中更长的无进展生存期（PFS）。

TROP2 QCS-NMR阳性患者接受Dato-DXd治疗的中位PFS为7.2个月（n=68），而多西他赛组为4.1个月（n=72）。

AI应用的挑战与未来展望

AI在医疗领域面临“幻觉”（Hallucinations）和比较偏差等挑战。

AI幻觉与不准确性：研究显示，大型语言模型（LLM）在提供癌症治疗建议时，与NCCN指南的符合度仅约为三分之一。有12.5%的输出包含“幻觉”性的、不存在的推荐。

不公平的比较：一些声称AI诊断优于人类医生的研究，可能是因为采用了对人类医生不公平的测试条件（例如禁止医生使用任何外部资源）。合理的比较应当是医生+资源或医生+AI的结合。

AI最即时的、广泛的临床应用可能是环境AI 笔记转录（Ambient AI Note Transcription），这有助于减少医生在EHR（电子健康记录）相关活动上花费的时间。

小结

AI作为一种强大的工具，能够增强人类智能。其在肺癌诊疗中的应用，从辅助LDCT筛查到评估病理学缓解、指导药物选择，均展示了巨大的潜力。未来，AI将主要通过辅助人类决策和行动提示的方式融入临床工作流程。

参考文献

WCLC 2025.

责任编辑：肿瘤资讯-Nydia
排版编辑：肿瘤资讯-Nydia