*仅供医学专业人士阅读参考
AI重塑肺癌诊疗:更早、更准、更智能。
撰文 | Jeffry
在2025年中国临床肿瘤学会(CSCO)年会上,北京大学肿瘤医院吴楠教授发表了题为《人工智能在早期肺癌精准诊疗中的革新和实践》的专题报告。该报告系统阐述了人工智能技术在肺癌诊疗全流程中的应用与突破,从早期筛查、术中规划到术后管理,展现了人工智能如何推动肺癌诊疗向精准化、智能化和人性化方向发展,引发了与会专家的广泛关注与深入讨论。
图1. 吴楠教授大会报告
术前智能筛查与精准诊断:提升早期识别与分型能力
人工智能在肺癌早期筛查与诊断环节展现出显著优势,尤其在处理多源异构医疗数据方面表现卓越。通过自然语言处理技术,人工智能能够从电子健康记录中高效提取关键临床信息,例如患者吸烟史、家族遗传史和既往病史等。一项大规模研究表明,仅依赖最新结构化数据只能识别出5887名符合肺癌筛查条件的患者,而结合三年临床记录后,识别数量提升至10231人,增幅达73.8%。该方法准确率达到96.0%,F1得分高达90.9%,显著提高了筛查效率。
图2. 人工智能辅助肺癌智能分诊与早期筛查
在影像诊断方面,人工智能辅助阅读胸片和计算机断层扫描图像大大提高了肺癌的检出率。2021年发表在
European Radiology的研究显示,基于美国国家肺癌筛查试验数据集20万名受试者的分析表明,人工智能辅助使基于胸片的肺癌检出率从“读片医生”的5.1%提升至6.9%,敏感度提高35%。此外,人工智能在识别肺结节、判断淋巴结转移、探索驱动基因突变以及预测EGFR状态等方面都展现出卓越能力,为后续个性化治疗方案的制定提供了坚实的数据支持。
图3. 人工智能辅助依据胸片快速识别检出肺癌病灶
术中智能规划与精准手术:实现个性化手术方案
在手术环节,人工智能技术通过多模态影像融合与三维重建,实现了手术规划的精准化与个性化。研究团队通过模块化设计,分别对肺结节、肺血管和肺叶进行高精度分割与重建,构建患者个体化三维虚拟影像。经过回顾性研究和前瞻性研究验证,该系统的重建准确率可达97%,能够节省将近70%的重建时间,并有效辅助胸外科医生缩短肺段手术时间。
图4. 人工智能辅助精准诊断、精准手术规划和切除
人工智能还在多学科诊疗中发挥重要作用。在一项涉及1000例中国肺癌患者的实践中,人工智能系统给出的治疗方案与多学科团队共识的一致性达到93%,同时将制定治疗决策的时间从平均120分钟缩短至12分钟,极大提升了诊疗效率。这种智能辅助决策系统不仅提高了诊疗的一致性,还为医疗资源相对匮乏的地区提供了专家级的诊疗建议,有助于缩小地域间的医疗质量差距。
图5. 构建多模态多学科诊疗辅诊系统
术后风险预测与康复管理:构建全程化管理体系
术后管理是肺癌全程管理的重要一环。基于放射组学和深度学习的人工智能模型能够有效预测患者复发风险。一项针对506例非小细胞肺癌患者接受立体定向放疗后的多因素分析发现,肿瘤-肺界面毛刺征和肿瘤最大径是重要的预后因素。基于这些特征构建的影像评分模型在验证及预测复发的曲线下面积达0.83,可提前8.5个月识别出高危患者,为早期干预争取了宝贵时间。
图6. 基于放射组学和深度学习预测复发风险
在患者康复管理方面,基于患者报告结局的智能管理系统显示出显著优势。2022年四川省肿瘤医院发布的康复研究表明,基于患者报告结局的症状管理在出院后4周内,相较于常规护理可显著降低症状负担和减少并发症。长期随访12个月的结果显示,这种管理方法能够持续减少症状负担并改善功能状态,支持将其整合到标准术后康复管理中。这种以患者为中心的管理模式,不仅提高了医疗质量,也增强了患者的参与感和满意度。
图7. 基于PRO的肺癌术后管理系统应用短期结局
未来趋势与挑战:迈向智能医疗新纪元
未来,生成式大模型技术将进一步推动医疗人工智能的发展。传统系统面临知识更新脱节、数据智能断层和人机协同低效等痛点,而大模型技术能够实现动态知识库实时同步医学进展,将新药和指南更新的延迟缩短至24小时以内;通过多模态引擎融合影像、基因和病历数据,将罕见病误诊率降低40%;通过智能协同系统,实现语音指令秒级生成病历摘要,患者教育材料精准度提升65%。
然而,人工智能在临床应用中仍面临医患接受度低的挑战。2023年一项涵盖43个国家13806名患者的跨国调查显示,虽然对人工智能的整体观感正面略多于负面,但仅有4.4%的患者愿意让人工智能完全取代医生,绝大多数人希望人工智能扮演辅助角色。医生群体也持类似立场,愿意引入人工智能技术,但要求系统具备透明度、可解释性和责任追溯机制。
因此,构建“患者-医生-人工智能”三方协同的闭环模式成为推动人工智能落地临床的关键路径。“患者参与循环”框架与“医生参与循环”机制并用,既保证了专业安全性,又尊重了患者价值取向,为人工智能在医疗领域的健康发展提供了新模式。随着技术的不断进步和临床应用的深入,人工智能有望在早期肺癌精准诊疗中发挥更加重要的作用,最终实现提高诊疗效率、提升治疗效果和改进患者体验的多重目标。
专家简介
吴楠 教授
北京大学肿瘤医院
医学博士,主任医师,教授,博士生导师
北京大学肿瘤医院副院长,胸部肿瘤中心副主任
享受国务院政府特殊津贴专家
兼任国际肺癌研究会 (IASLC) 会员委员会主席
中华医学会肿瘤分会委员
中华胸心血管外科分会胸腔镜学组委员
中国医师协会肿瘤多学科诊疗专委会常委、胸外科分会委员
中国临床肿瘤学会 (CSCO) 非小细胞肺癌专家委员会委员
中国医药教育协会肿瘤化学治疗专业委员会副主任委员
中国老年学和老年医学学会老年肿瘤分会常委
北京医学会肿瘤学分会副主委,胸外科分会常委
责任编辑:Sheep
*医学界力求其发表内容专业、可靠,但不对内容的准确性做出承诺;请相关各方在采用或以此作为决策依据时另行核查。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.