首页 > 文章详情

2025 ASCO | 肺癌精准筛查的未来：人工智能的革新作用

06月27日

编译：肿瘤资讯

来源：肿瘤资讯

肺癌作为全球癌症相关死亡的主要原因，其早期诊断对于提高患者生存率至关重要。然而，当前的肺癌筛查策略面临诸多挑战。在“大海捞针”式的肺癌筛查困境中，人工智能（AI）正迅速崛起，展现出巨大的潜力，有望通过更精准、高效的方式，克服现有局限，显著提升筛查的覆盖率和有效性，为肺癌患者带来更早、更好的治疗机会。在2025年美国临床肿瘤学会（ASCO）大会上，哈佛医学院Florian J. Fintelmann教授深入探讨了人工智能（AI）在肺癌精准筛查中的关键作用。

肺癌筛查的现状与挑战深度剖析

当前肺癌筛查主要依据美国预防服务工作组（USPSTF）指南，聚焦于特定年龄段和吸烟史人群。这种模式虽然在一定程度上降低了高危吸烟者的肺癌死亡率，但其局限性日益凸显。例如，越来越多的肺癌患者并无吸烟史，或不符合传统筛查的年龄标准，导致这些“非典型”高危个体被排除在筛查之外，错失早期诊断良机。作为主要筛查工具的低剂量胸部CT（LDCT）以及用于评估肺结节恶性风险的Lung-RADS分类系统，虽然是当前临床实践的标准，但其“结节中心”的特性可能导致对非结节性病变或更广泛肺部异常的忽视。放射科医生需要耗费大量精力来检测、测量和追踪这些结节，且人工判读存在主观性和效率瓶颈。

更严峻的是，肺癌筛查的实际覆盖率和依从性远低于预期。目前，只有约20%符合筛查条件的个体真正接受了LDCT筛查，而诊断出的肺癌患者中，仅约一半在发病时符合筛查资格。这意味着在“触及”（识别所有高危人群）和“掌握”（促使符合条件者参与筛查并完成后续随访）两方面，肺癌筛查都面临着巨大的挑战。这种“触及”和“掌握”的难题，使得许多肺癌患者在疾病进展到晚期时才被发现，从而限制了治疗效果和患者预后。因此，迫切需要创新的解决方案来扩大筛查范围、提高依从性，并优化诊断流程，以期更早、更广泛地识别肺癌患者。

人工智能在肺癌筛查中的多维度创新应用

人工智能在肺癌筛查领域展现出多维度的创新应用潜力，尤其在数据管理和风险评估方面带来了显著突破。AI能够辅助评估患者的筛查资格，通过挖掘电子病历数据来识别潜在高危个体，尽管这种方法仍需完善以捕捉所有风险因素。更重要的是，AI在优化放疗剂量、提高肺结节的自动检测、精确分割和智能分类方面表现卓越，这些技术已在商业实践中得到广泛应用。AI系统能够快速准确地识别影像中的微小结节，并对其进行量化分析，从而减轻放射科医生的工作负担，提高诊断效率和准确性。

在风险预测方面，以Sibyl为代表的深度学习模型取得了突破性进展。Sibyl模型能够从单次低剂量胸部CT扫描中预测患者未来罹患肺癌的风险，其评估维度超越了传统的基于结节的分析。它通过分析整个影像数据集，捕捉已知和未知风险因素的综合效应，从而提供更全面的风险评估。Sibyl模型的独特优势在于其免费开源的特性，这极大地降低了资源有限机构的准入门槛。此外，该模型无需额外的图像标注或临床数据输入，仅依赖标准胸部CT的三维影像数据即可进行分析。尤为重要的是，Sibyl模型可在机构防火墙内进行本地化分析，无需将数据上传至云端，从而最大程度地保护患者隐私和数据安全。其轻量级的硬件要求和离线运行能力，使其易于集成到现有临床工作流程中。除了肺癌风险预测，AI还能从影像数据中识别其他可操作的伴随疾病，如肺气肿、心脏病、肌少症等，从而为患者提供更全面的健康管理。

AI模型临床部署与持续优化的关键考量

将人工智能模型成功引入临床实践，并非仅仅是技术层面的挑战，更涉及一系列复杂的设计、验证、整合与持续优化考量。在模型设计阶段，深入理解AI模型的功能和预期任务至关重要。任何AI工具在部署前，都必须经过严谨的内部和外部数据验证。外部验证尤其关键，它要求模型在从未见过的数据集上表现出稳定的性能，以确保其在不同人群、不同设备和不同时间点上的泛化能力。此外，提高AI模型的可解释性对于建立临床医生和患者的信任至关重要。当模型能够清晰地展示其决策依据时，它就不再是一个“黑箱”，从而更容易被临床接受和采纳。

训练数据的质量、多样性及其与目标应用人群的相似性，直接决定了AI模型的有效性。由于不同医疗机构的患者群体、影像设备和临床实践可能存在差异，已发表的模型性能并不能保证在所有机构中都能复现。因此，通过本地数据进行评估和校准，以确保AI工具在特定人群中的有效性，是不可或缺的一步。在工作流程整合方面，AI工具的引入应能提升而非降低临床工作效率。例如，如果AI解决方案导致放射科医生在肺结节体积倍增时间测量等任务上耗时更长，即使技术再先进也难以被广泛采纳。最后，AI模型部署后的持续性能监测至关重要，这需要精心策划和标注的本地数据集。同时，还需关注与AI应用相关的公平性、报销机制以及潜在的法律责任等非技术性但同样关键的考量因素，以确保AI的负责任和可持续发展。

构建未来医疗的桥梁：高质量数据与跨学科合作

人工智能在医疗领域的成功应用，并非仅仅依赖于AI专家或海量数据，其真正的潜力在于构建一个由临床医生、数据科学家、工程师等多学科专家组成的紧密协作团队。这种跨学科合作是打破传统壁垒、实现创新突破的关键。高质量数据是推动AI在医疗领域取得突破的基石。当前临床注释数据在细节、完整性和术语方面可能存在差异，这为AI模型的训练和验证带来了挑战。因此，建立大规模、多样化、统一标注的数据集至关重要，这可能需要进行前瞻性数据采集，以确保AI模型能够应用于特定或未被常规护理捕获的人群。

医务人员在AI发展和应用中扮演着不可或缺的角色。他们需要积极参与模型设计决策，确保AI工具符合真实的临床需求；促进放射科医生、肿瘤学家、病理学家、外科医生与数据科学家之间的跨学科交流，共同解决复杂问题；并主动管理和利用本地数据进行模型评估和校准，以确保AI工具在各自实践中的有效性和安全性。通过持续的跨学科合作和对高质量数据的投入，医疗界能够共同构建一个更智能、更高效、更公平的未来。人工智能的革新作用将最终体现在降低肺癌死亡率、改善患者预后，并为全球患者提供更精准、个性化的医疗服务。

责任编辑：肿瘤资讯-云初
排版编辑：肿瘤资讯-云初

07月01日

马利平

河南省肿瘤医院 | 放疗科

尽管现在的手段比较多，但肺癌筛查面临着巨大的挑战