首页 > 文章详情

【2025EHA】浴火重生，AI在血液肿瘤学领域的“第二次革命”

07月21日

编译：肿瘤资讯

来源：肿瘤资讯

2025年6月12日至15日，第30届欧洲血液学会年会（EHA ）于意大利米兰成功举办。作为全球血液学领域的顶级学术盛会，本届大会汇聚了世界各地的专家学者，共同呈献并探讨了该领域的前沿科学突破与临床实践变革。
在众多进展中，人工智能（AI）辅助血液肿瘤诊疗领域的进展尤为瞩目。为此，【肿瘤资讯】对《Artificial intelligence in hematology: Opportunities, pitfalls and how to bring it to clinical practice》专场的相关内容进行了系统性梳理与解读，详情如下。

专场1.jpg

重新讨论AI：一场由LLM引领的肿瘤学认知复兴

当前，我们正处在人工智能（AI）发展的又一个高潮期，但这并非首次。来自Dresden科技大学的Jakob Kather教授分享了其对于AI在肿瘤治疗中地位的一些见解。

回顾2012年，以IBM Watson为代表的上一轮AI热潮曾许下颠覆肿瘤决策的宏伟承诺，但最终因技术局限而未能兑现，导致了业界的普遍失望。然而，随着2023年以ChatGPT为代表的大型语言模型（LLMs）的惊艳问世，AI领域迎来了真正的“范式转移”。

这一变革由三大支柱驱动：算法的革新（如Transformer架构与自监督学习）、海量数据的应用以及计算能力的指数级增长。

值得关注的是，全球范围内对AI领域的巨额投资，常将“推动医疗健康与攻克癌症”作为其首要的社会价值论证。这赋予了我们临床医生一项重大责任：引领AI技术的审慎应用，将这些投资转化为对患者实实在在的临床获益。
专场2.jpg 医学AI的发展历程，是一条从“专才”到“通才”的进化之路。早期经典机器学习依赖于人类专家预先定义的特征进行图像或数据分类，应用场景受限。

随后，深度学习实现了从原始数据（如病理图像）中自动学习和提取预测性特征，极大地扩展了AI的应用范围，例如，可以直接从急性髓系白血病（AML）形态学图像中预测NPM1基因突变状态，催生了“AI生物标志物”这一全新概念。

专场3.jpg

在此基础上，基础模型（Foundation Models）通过在海量无标签数据上进行自监督学习，获得了更广泛的通用知识，可被微调用于多种下游任务。而LLMs作为一种通用型基础模型，则具备了通过自然语言交互解决广泛问题的能力。

在LLM时代之前，AI在血液肿瘤学的应用主要集中于图像分析，例如血细胞形态的自动分类。尽管这些应用价值显著，但其临床应用的推广相对缓慢。

相比之下，LLMs的“影子应用”（即未经批准的非医疗专用工具）已在临床中十分普遍。研究表明，LLMs在处理复杂的、文本化的诊断案例时，其准确性已能超越人类专家。此外，LLMs在从病理报告、出院小结等非结构化文本中高效提取真实世界数据方面，也展现出变革性的潜力。

然而，我们必须对LLMs的应用保持审慎，任何情况下都不得将患者相关的敏感数据输入商业化的公共LLM工具中；医疗机构应加速部署院内安全的私有化LLM，以满足临床需求并保障数据安全。同时，临床医生也必须认识到，正如任何医疗技术一样，AI工具的临床价值最终必须通过前瞻性随机对照试验（RCT）等高级别循证医学证据来证实。

当前，AI的发展已迈入一个更令人振奋的新阶段——AI智能体（AI Agents）。与仅能分析和生成信息的LLM不同，AI智能体是一种基于LLM的系统，它不仅能“思考”，更能“行动”——即调用和操作其他软件工具来执行复杂任务。这一技术正深刻改变着生物信息学、药物研发等领域。

专场4.jpg

在临床医学中，AI智能体为实现“自动化肿瘤多学科会诊（MDT）”这一长期梦想提供了可能。一个“智能体”系统可以被设计为MDT的“协调者”。“智能体”系统首先理解一个复杂病例的文本描述，然后自主调用专用的深度学习模型，分别对影像学、病理学及分子病理报告进行深度分析，最后整合所有模型输出的信息，经过多轮推理与迭代，最终形成一份综合性的、专家级的治疗建议。

综上所述，血液肿瘤学的AI正从单一任务的辅助工具，向能够协同多种专业模型、进行复杂决策的“智能体队友”（Agentic AI Teammates）演进。这一前沿方向为自动化处理复杂病例、辅助临床决策提供了前所未有的机遇。

然而，要将这一巨大潜力安全、有效地转化为临床实践，仍需整个医学界共同努力，建立严格的验证标准，开发稳健可靠的系统，并确保临床医生始终在这一变革中发挥主导作用。

责任编辑：肿瘤资讯-小编
排版编辑：肿瘤资讯-小编

07月22日

马利平

漯河市第六人民医院 | 肿瘤科

AI的发展已迈入一个更令人振奋的新阶段——AI智能体