首页 > 文章详情

MedAI Chat 首期精要：AI 加速肿瘤临床研究的证据与共识

08月13日

编译：肿瘤资讯

来源：肿瘤资讯

在肿瘤科，AI 到底能不能帮上忙？它能代替医生看片、写方案吗？近日，国际医学 AI 学术交流项目 MedAI Chat 首期开播，ASCO AI in Oncology主编 Ravi Parikh 教授，与国内多位肿瘤大咖围绕"AI 创新如何加速肿瘤临床研究"展开对话。我们梳理了其中最值得收藏的硬核内容与关键数据，一文带你读懂前沿。

一场关于"AI + 肿瘤"的跨洋对话

MedAI Chat 是一个聚焦医疗 AI 的国际学术交流项目。首期主题为 "AI 创新加速肿瘤临床研究（AI Innovations to Accelerate Oncology Clinical Research）"，由广州医科大学附属第一医院梁文华教授担任主持。

特邀主讲

Ravi Parikh教授——ASCO AI in Oncology主编、埃默里大学医学院血液科与肿瘤内科副教授；

特邀嘉宾

苏春霞教授——同济大学附属上海市肺科医院肿瘤综合诊治融合病房行政主任、国家重点研发首席科学家；
吴芳教授——中南大学湘雅二医院肿瘤中心副主任；
何翰卿教授——国家癌症中心 / 中国医学科学院肿瘤医院，GCP中心，数据科学家；

核心观点：AI 正在重塑肿瘤临床研究的三个战场

1. 采纳率：效率场景已"过半"，决策场景仍谨慎

Ravi Parikh教授分享的一组数据值得关注：在美国，AI 在"提升效率"类场景（如病历书写、信息提取）的采纳率已达约 55%；但在"临床决策"等核心场景，采纳率仍 低于 50%。这说明——AI 落地最难的不是技术，而是信任与验证。

2. 临床试验的三大 AI 应用

围绕临床研究，AI 主要发力于：① 入排标准（纳入 / 排除标准）的智能化提取；② 受试者预筛选与精准匹配；③ 研究设计与流程优化。其目标是把研究者从重复劳动中解放出来，让"找对病人、用对方案"更快更准。

3. 人机协同的硬证据：一项 RCT 说明问题

最亮眼的部分，是Ravi Parikh教授团队开展的一项随机对照试验：比较"仅人""仅 AI"与"人 + AI"在入排标准提取上的表现。结果显示——"人 + AI"组合在准确性上优于"仅人"和"仅 AI"，且预筛选时间减少约 25%。这强有力地说明：当前阶段，最好的答案不是"人还是 AI"，而是"人+ AI"。

▍关键数据卡片

对比方案：人 + AI ＞仅人 / 仅 AI
入排提取准确性：人 + AI 更优
预筛选耗时：↓ 约 25%
核心结论：人机协同 > 单打独斗

圆桌交锋：中国专家带来了什么？

梁文华教授：提出 “AI 不会取代人类，但会使用 AI 的人取代不会使用 AI 的人”，牵头本次医学 AI 国际交流活动，关注 AI 加速肿瘤临床试验入组，期待与海外专家合作开展 AI 辅助临床研究相关试验。

苏春霞教授： 分享了团队在 AI 辅助病理与基因检测上的探索。她提到，病理 AI 工具（报道中称 DeepPath）可将基因检测的等待时间从 2 周压缩到 1 天，让肺癌患者更快拿到精准治疗的"钥匙"。

吴芳教授： 提出"心理生物标志物"的概念——在 AI 高速替代重复性工作的时代，医生对患者的心理评估与共情，是不可被算法替代的"人类信号"。技术越发达，越要留住医疗的人性化温度。

何翰卿教授： 从临床研究设计与真实世界数据角度，探讨了 AI 在中国肿瘤研究落地中的机遇与挑战。

可信赖 AI：六条不能踩的底线

Ravi Parikh教授强调，医学 AI 要真正可信，需守住若干原则：基于证据的有效性验证、透明可解释、人类医生始终在决策回路中、公平可及、隐私保护，以及持续的质量监测。简言之——能落地、可解释、有人管。

写在最后

"AI 不会取代医生，但会用 AI 的医生，会取代不用 AI 的医生。"这句话在对话中被反复印证。对肿瘤科医生而言，真正的竞争力，是学会把 AI 变成自己的"第二大脑"——让它处理重复与海量，让人专注判断与温度。

责任编辑：肿瘤资讯-DD
排版编辑：肿瘤资讯-DD