首页 > 文章详情

2025 CSCO年会 | 李永红教授&王奇峰教授共同揭秘中国前列腺癌全程管理的挑战与机遇

09月18日

整理：肿瘤资讯

第28届中国临床肿瘤学会（CSCO）学术年会于2025年9月10日至14日在山东济南成功举办。本届年会以“规范诊疗，创新引领”为主题，汇聚全球肿瘤领域知名专家学者，分享前沿研究成果与临床经验，促进学术交流与合作，积极开展肿瘤学继续教育。在CSCO学术年会上，前列腺癌全程管理专场聚焦前列腺癌（PCa）的最新诊疗进展，强调其作为慢性病进行全程管理的重要性，涵盖从早期筛查到晚期治疗及康复的各个环节。中山大学肿瘤防治中心李永红教授和复旦大学附属肿瘤医院王奇峰教授分别带来了《从“筛”到“穿”：前列腺癌精准诊断的协同进阶》和《Al赋能前列腺癌影像病理——从诊断到预后预测的范式革命》的精彩报告。【肿瘤资讯】特此整理，以飨读者。

从筛”到“穿”:前列腺癌精准诊断的协同进阶

李永红教授深入阐述了前列腺癌早期筛查和精准诊断的重要性。他指出，中国前列腺癌发病率和死亡率均呈上升趋势，且患者诊断时分期相对较晚，导致五年生存率低于西方国家。因此，在中国推行前列腺癌的早筛早诊势在必行。

前列腺癌筛查：当务之急，PSA检查是主要手段

在筛查进展方面，前列腺特异性抗原（PSA）检测仍是主要手段，多项国际和国内研究均证实，PSA筛查能有效提高局限性前列腺癌的诊断率，从而为患者争取根治性治疗的机会，最终降低特异性死亡率。PSA检测主要针对50-75岁人群，有家族史或有BRCA突变者可提前至45岁。中国筛查模式主要包括医院自主筛查模式（如北京、广州部分医院）和政府出资的全市区筛查模式（如宁波）。然而，中国筛查研究样本量小，缺乏对前列腺癌特异性死亡率降低的数据，且PSA异常人群穿刺活检依从性低。未来需建立国家层面保障体系，采取因地制宜的筛查模式，并建立全程管理体系。

11(1).jpg

穿刺活检：影像导航、减少不必要的穿刺

穿刺活检是确诊前列腺癌的“金标准”，在穿刺活检革新方面，技术演进从手指引导、超声引导到影像学靶向前列腺穿刺。路径选择上，在穿刺前进行多参数磁共振成像（mpMRI）已成为前列腺癌诊断路径中的核心环节。mpMRI能够精准定位可疑病灶，指导靶向穿刺，从而显著提高临床有意义前列腺癌（csPCa）的检出率，并减少不必要的穿刺活检，降低相关并发症。精准指针方面，PSA结合MR检查（穿刺评分≥3分）可降低无临床意义前列腺癌的检出率，提高临床显著性前列腺癌的检出率。靶向与系统穿刺方面，现有证据表明，靶向穿刺在检出csPCa方面优于系统穿刺，但为避免漏诊，目前仍建议两者结合使用。然而，随着影像学平台的进步，中国部分研究已显示，对于特定高风险人群，靶向穿刺结合病灶周围穿刺可能足以替代传统的系统穿刺。策略优化方面，为了进一步优化穿刺决策，将mpMRI与血液/尿液中的生物标志物（如PHI、4K评分等）结合，可以构建更精准的风险预测模型，有效避免对惰性癌的过度诊断和治疗。

31(1).jpg

未来图景：机器人赋能、新型影像学助力、终极目标免穿刺

李永红教授指出，前列腺癌诊断的未来发展方向是最大程度地提升精准性与微创性。

42(1).jpg

Al赋能前列腺癌影像病理——从诊断到预后预测的范式革命

王奇峰教授详细介绍了人工智能（AI）在前列腺癌影像病理诊断、分级量化、辅助治疗及预后预测中的应用与挑战。他强调，AI正推动前列腺癌管理进入“范式革命”，不仅能完成人类可做之事，更能洞察肉眼难以察觉的细节。

AI在前列腺癌诊断中的应用

在AI在诊断中的应用方面，AI产品如“Paige Prostate Detect”在前列腺癌诊断中表现出极高的准确率（AUC 0.99），显著提高敏感性，并能自动筛选感兴趣区域（ROI），减少良性病变的工作量。AI协助多参数磁共振，提升前列腺基底部和顶端区域的分割精度和诊断准确性，并能提供肿瘤侵袭信息。AI模型可优化穿刺路径，提高活检准确性，并能检测磁共振不可见的前列腺癌，减少不必要的穿刺操作。

7(1).jpg

AI在分级和量化中的应用

在AI在分级量化中的应用方面，AI在PANDA挑战中展现出与专家级病理医生高度一致的Gleason分级能力（一致性达0.8以上），具备大规模临床应用潜力。AI可对Gleason评分进行更精细的量化（如3.5分、4.5分），并自动化判别肿瘤比例和长度，识别周围神经侵犯、筛状结构等关键病理特征。AI可对Ki67等免疫组化染色进行定量评分，甚至实现虚拟染色技术，无需实际染色即可进行分析。AI模型训练正从依赖大量人工标注的全监督模式，转向只需基本信息即可学习的弱监督和自监督模式。

22(1).jpg

AI在辅助治疗及预后预测中的应用方面

在AI在辅助治疗及预后预测中的应用方面，AI通过卷积神经网络（CNN）自动识别临床显著性前列腺癌，提高靶区划分精度和剂量计算精确度。AI可融合基因组学、转录组学、病理组学等多模态数据，实现更精准的治疗方案设计。AI结合基因分类器、核医学图像（如PSMA PET/CT）及病理形态学特征，可早期识别高风险患者，预测生化复发风险和生存率。基于光片显微镜和组织透明化技术的三维病理学，有望在未来提供更全面的肿瘤评估。

35(1).jpg

AI在病例协作的应用与挑战

在AI与人类协作的挑战方面，AI模型在不同医院或人群中可能表现不佳，需多中心训练集和更强的数据增强技术。开源数据获取困难，质量不高。AI的“黑盒子效应”使其难以解释决策过程。病理诊断的主观性导致金标准标签存在差异，需依赖共识。罕见病例样本量不足，限制AI分析。数字病理学云端部署对设备和资源要求高。病理学家可能从质疑转向过度依赖AI，需警惕AI的“编造”错误。

在未来发展趋势方面，通过增强现实性显微镜等技术，逐步实现病理数字化。将多模态数据和空间组学等前沿技术融合，实现更全面的诊断和预测。

总结

本次CSCO年会前列腺癌全程管理专场深入探讨了前列腺癌诊断和治疗的最新进展，特别是李永红教授关于早筛早诊的呼吁和王奇峰教授关于AI赋能病理诊断的展望，为前列腺癌的精准管理描绘了清晰的蓝图。随着技术的不断进步，前列腺癌的诊疗将更加精准、高效，有望为患者带来更好的预后。

责任编辑：肿瘤资讯-明小丽
排版编辑：肿瘤资讯-明小丽