攻克绝症！世界人工智能大会：AI正面迎战恶性肿瘤

郑医生‖肿瘤内科 浙大一院

2026年7月17日，世界人工智能大会（WAIC）在上海开幕。会上公布了一个让肿瘤科医生都感到震动的数字：AI对早期胆囊癌的无创诊断准确率达到了92.3%[1]。

胆囊癌、胰腺癌，被称为"癌中之王"。早期症状隐蔽，确诊时往往已是晚期，五年生存率不足5%。而上海肿瘤研究所刘颖斌团队研发的一套AI系统，只需要一张普通平扫CT加一管血，就能在5秒内给出诊断结果。这个系统学习了12万例胆道胰腺肿瘤患者的CT影像和血液标志物数据，比资深肿瘤医师的平均诊断准确率还高出14.7个百分点[1]。

这不是科幻电影的情节。这是2026年真实发生的事。

作为一名每天和肿瘤打交道的临床医生，我想和大家聊聊：AI在肿瘤诊疗中，到底能做什么？不能做什么？患者和家属该怎么看这件事？

一、AI看片子：从"凭经验"到"像素级筛查"

传统影像诊断，高度依赖放射科医生的经验和精力。一个放射科医生看一张肺部CT，大约需要15到20分钟。一天下来看上百张片子，眼睛疲劳、注意力下降，难免出现漏诊。尤其是那些直径只有几毫米的磨玻璃结节，特征极其隐蔽，肉眼很容易忽略。

AI的到来正在改变这个局面。目前主流的AI影像辅助诊断系统，可以在数秒内完成一张CT的全维度分析，以像素为单位筛查病灶，精准识别1毫米以上的微小结节，评估其形态、边界、密度等特征，帮助判断良恶性[2]。

对基层医院来说，这个价值尤其大。过去，县级医院的影像科医生经验有限，很容易漏掉早期的微小病灶。现在有了AI辅助，基层的漏诊率可以大幅降低。这意味着，很多早期肺癌患者能在还没有明显症状的时候就被发现，而早期肺癌的五年生存率可以超过90%。

除了肺癌，AI在乳腺癌筛查中同样表现亮眼。瑞典一项发表在《放射学》期刊上的研究显示，商用AI系统可以比放射科医师提前六年发现乳腺癌的早期迹象[3]。AI会对每次检查的受检者生成动态风险评分，最终确诊患者的评分随时间逐步攀升，而健康人的评分始终在低位——这种持续追踪的能力，是人类阅片很难做到的。

在WAIC大会上，清华大学李梢团队也展示了他们的Multi-Embed多模态AI模型，整合临床数据、影像和分子组学信息，对肺癌、胃癌、结直肠癌的早期筛查准确率分别达到89%、87%和91%，已在全国17家三甲医院开展临床验证[1]。

可以说，AI在影像诊断领域已经不是"未来趋势"，而是"正在发生"。

二、AI做病理：数秒完成过去几小时的工作

病理诊断是肿瘤确诊的"金标准"——到底是不是癌、是什么类型的癌、有没有转移，最终都要靠病理切片来确定。

但病理医生恰恰是目前医疗体系中最紧缺的专科医生之一。培养一名合格的病理医生需要十年以上，而全国注册病理医生数量远远不能满足需求，尤其在基层医院，"一个病理医生都没有"的情况并不罕见。

AI正在补上这个缺口。本届WAIC上，瑞金医院联合华为发布了RuiPath病理大模型[4]。这是一个基于百万张数字病理切片训练的临床级多模态AI系统，可以在数秒内完成全片扫描，提供肿瘤热力图、辅助诊断、肿瘤分型、淋巴结转移判断、手术切缘检测等能力，覆盖肺癌、胃癌、乳腺癌等九成以上高发癌种。在12个公开数据集的14项评测任务中，有7项达到了业界领先水平。目前，其核心模型和数据集已经开源，下载量超过1.6万次，正在推动病理诊断的智能化与标准化。

德国海德堡大学医院的研究团队在《自然·癌症》杂志上发表了一项更引人注目的研究[5]：他们将医学指南作为AI智能体的知识库，赋予其搜索文献、分析病理图像等能力，构建了一个"AI病理会诊系统"。在测试中，这个系统的临床诊断正确率达到了91.0%。

AI病理诊断的意义，不仅仅是"快"。更重要的是"标准化"。同一个切片，不同医院、不同医生可能给出不同的结论。而AI的诊断标准是统一的、可复制的。这意味着，哪怕是在最偏远的乡镇卫生院，患者也能获得接近三甲医院水平的病理诊断支持。

三、AI选方案：从"千人一方"到"一人一策"

确诊了肿瘤，下一步就是治疗方案的选择。这恰恰是患者最焦虑的环节。

同样是肺癌，有人对靶向药敏感，有人用几天就耐药了；同样是化疗方案，有人效果显著，有人副作用大到无法耐受。传统的做法是医生根据自己的经验和通用的临床指南来制定方案，但"同病同治"的效果往往参差不齐。

AI正在推动肿瘤治疗走向真正的个体化。具体来说，AI目前主要在三个层面发挥作用：

靶向治疗的精准匹配。 过去，选择靶向药物需要先做穿刺活检、基因检测，过程有创且耗时。现在，有研究尝试用AI直接从普通CT影像中预判肿瘤的基因突变类型，无需穿刺就能为肺癌患者初步筛选适配的靶向药物，减少了患者的痛苦和等待时间。

免疫治疗的疗效预测。 国产泛癌AI模型已经可以预判33种癌症对6类主流免疫检查点抑制剂的疗效，提前筛查耐药风险。在WAIC上，百川智能展示了与国家癌症中心联合开发的肿瘤专科AI助手[6]，它实时融合最新指南、临床试验和真实世界研究数据，可以秒级检索循证证据。测试显示，该AI与多学科会诊（MDT）专家在指南内方案的一致率达到100%，即使是指南外的复杂病例，一致率也高达94%。

放疗方案的智能优化。 对于鼻咽癌、脑瘤等需要精准放疗的肿瘤，AI可以精确计算照射剂量分布，在杀灭肿瘤的同时最大限度保护周围正常组织，显著降低听力损伤、黏膜损伤等传统放疗副作用。

对患者来说，最直观的改变是：当你对着好几个专家给出的不同方案拿不定主意时，AI可以帮你逐项拆解每个方案的循证依据、预期获益和可能的不良反应，让你带着更清晰的问题去和医生讨论。

四、AI做药：把十年缩短到三年

新药研发是肿瘤治疗的源头活水。但传统的新药研发是一场"豪赌"——平均需要投入26亿美元，耗时10到15年，超过90%的候选药物会在临床试验阶段失败[7]。这也是为什么晚期癌症的特效药那么少、那么贵。

AI正在从根本上改变这个局面。依托深度学习算法，AI可以在数十亿级的分子组合空间中快速筛选有效化合物，模拟药物与癌细胞的相互作用机制，预判药效和毒副作用。传统需要数年完成的先导化合物筛选，AI数周就能完成，整体研发周期可缩短40%以上，成本降低70%以上。

截至2026年7月，全球已有8款AI设计的抗癌新药进入临床II期试验，初步结果显示安全性与传统药物相当，部分药物的不良反应发生率甚至更低[1]。更有研究团队利用AI开发的个性化T细胞受体疗法，在小鼠模型中实现了72小时内100%的肿瘤消除率，已于2026年获得美国FDA的IND批准，即将开展人体临床试验[1]。

除了加速新药研发，AI还在优化临床试验的设计和执行——自动筛选符合条件的入组患者、动态调整方案、预判安全风险，让更多好药能更快地到达患者手中。

五、冷静看待：AI是工具，不是医生

写了这么多AI的"能耐"，作为一名临床医生，我有责任说说它的边界。

第一，AI不能替代医生的临床判断。 AI擅长的是模式识别和数据分析，但临床决策远不止于此。面对一个合并多种基础疾病的复杂患者，需要综合权衡取舍、需要在突发状况下临场应变、需要在关键时刻握住患者的手说一句"别怕"——这些，AI做不到。正如刘颖斌教授在WAIC上说的："AI是医生的'超级助手'，而非'替代者'。"[1]

第二，AI的表现取决于训练数据。 对于数据量充足的高发癌种（肺癌、乳腺癌、结直肠癌等），AI表现优异。但对于发病率低的罕见肿瘤，由于训练数据不足，AI的准确率会明显下降。此外，不同地区、不同人群的特征差异，也可能影响AI模型的泛化能力。在一个医院训练的模型，直接用到另一个医院，未必同样准确。

第三，数据隐私和安全是不容回避的问题。 AI需要大量患者数据来训练和运行，如何在推动技术发展的同时保护患者隐私，是整个行业必须解决的课题。2026年，欧盟已将医疗AI列为"高风险"类别，要求企业公开训练数据来源和决策逻辑[7]。我国也在WAIC上发布了医疗AI评测体系MedBench 5.0和全流程合规评测框架，累计完成超31万次评测服务[8]。

结语：希望，是多一个靠谱的帮手

回到开头那个数字——92.3%。

这个数字意味着，过去很多确诊已是晚期的"癌中之王"患者，现在有机会在早期就被发现。早期发现，就意味着更多的治疗选择、更高的生存概率、更好的生活质量。

AI不会终结癌症。但它在实实在在地改变着肿瘤诊疗的每一个环节：让筛查更精准，让诊断更标准化，让治疗方案更个体化，让新药来得更快一些。

对每一位肿瘤患者来说，多一个靠谱的帮手，就多一分希望。

而希望，在肿瘤科，永远是最珍贵的东西。

参考文献

[1] 2026世界人工智能大会（WAIC）医学相关论坛成果发布，2026年7月17-19日，上海。

[2] 世界卫生组织（WHO），癌症早期诊断相关技术报告。

[3] 瑞典卡罗林斯卡医学院，《放射学》（Radiology），AI辅助乳腺癌筛查回顾性研究。

[4] 上海交通大学医学院附属瑞金医院，RuiPath病理大模型发布，WAIC 2026。

[5] 德国海德堡大学医院，《自然·癌症》（Nature Cancer），AI智能体肿瘤诊断研究。

[6] 百川智能与国家癌症中心联合发布肿瘤专科AI，WAIC 2026。

[7] 欧盟《人工智能法案》（EU AI Act），2026年实施。

[8] 上海市卫生健康委员会，MedBench 5.0医疗AI评测体系发布，WAIC 2026。