一次CT平扫即可协助医师辨识多种癌症，线上平台几秒完成个人化医疗资源对接…近年来，人工智慧（AI）技术正全面变革肿瘤诊疗各个面向。
「AI可贯穿肿瘤诊疗全流程。」中国科学院深圳先进技术研究院生物医学与健康工程研究所医学人工智能研究中心执行主任李志成向科技日报记者介绍，「从影像初诊、病灶识别、病人入院，到病理诊断、手术方案可视化等，甚至出院恢复跟踪，AI的介入是医生和患者看得见、摸得着的。」
帮助肿瘤早期筛检
北京美中爱瑞肿瘤医院院长徐仲煌介绍，许多肿瘤患者确诊时已是中晚期，错过了最佳治疗时机。早期筛检能帮助医师在无症状或癌前病变阶段发现病情，并透过早期介入有效降低发病率和死亡率，AI在肿瘤早筛领域潜力巨大。
肿瘤早筛通常依赖一系列非侵入性或微创检查手段，包括影像检查、血液标记检测及分子诊断等。这方面，AI介入已取得突破性进展。李志成认为，在以影像为基础的深度学习技术加持下，AI在某些肿瘤筛检中的表现甚至超越了人类专家。
近两年，《自然》杂志等国际期刊多次发表AI助力肿瘤筛检的相关研究。哈佛大学医学院团队研发的CHIEF模型不仅能诊断19种癌症，还能定位肿瘤微环境、导引治疗策略及预测存活率。阿里巴巴达摩院研发的胰脏癌早期检测模型PANDA，判断有病变的准确率高达92.9%。这些成果表明，AI不仅能辅助诊断，还能在精准治疗中发挥关键作用。
相关实践已显示出AI在肿瘤筛检中的作用。今年2月，阿里巴巴「医疗AI多癌早筛公益计画」在浙江丽水市中心医院等机构部署，将达摩院医疗AI技术创新应用于卫生健康领域。 「计画在4个月内筛检超5万人次，筛检病种包括胰脏癌、食道癌、胃癌、结直肠癌，其中发现的145例癌症病变已被临床证实。」达摩院医疗AI团队负责人吕乐解释，透过结合大量历史数据和复杂演算法，AI能从影像中提取肉眼难以察觉的微小病灶资讯。在繁琐的影像分析任务中，AI还能快速处理大量数据，减轻医师压力。
徐仲煌说，癌症必须依靠多学科协作才能制定最
乖乖水 ED PE 他达那非 伐地那非 伟哥 催情 催情春药 催情水 催情液 催情产品 延时助 勃勃起功能障碍 口服治疗不举 增大增粗 增强勃起硬度 女性性冷淡 威尔钢
优治疗方案，而AI可助力解决这一过程中专业人员短缺、经济成本高等问题。
吕乐以PANDA为例说，模型相当于汇集了数十位不同专业医师的知识库，透过整合影像学资料、基因组学资讯、病理学数据等多模态数据，实现跨科的数据融合。在此基础上，模型能撷取关键病灶资讯及潜在病理特征，进而进行跨科系的全方位分析。
提高癌症认知水平
推动医学领域的科学认知，是AI助力肿瘤诊疗的更高维度。
李志成团队从事脑胶质瘤研究数十年。谈到脑胶质瘤诊疗现状，李志成说：“我们对这种疾病的科学认知仍然有限，医生们尚未完全理解脑胶质瘤的发生发展和复发机制，也还没有找到切实有效的精准治疗途径。”
对此，徐仲煌深有同感。 “对癌症认知的不足限制了诊疗手段。面对疑难杂症，临床上很多时候只能摸着石头过河。”
现有AI诊疗模式也有其限制。李志成说，许多模型透过大规模标注资料集训练，寻找影像特征与临床结果之间的相关性。虽然这种方法在准确率上取得了显著成效，但这种「黑箱式」操作缺乏解释性依据，导致医生难以完全信赖AI的诊断结果，因此回归医学源头的认知格外重要。
这方面，AI可以发挥的空间很大。 「AI能整合影像、病理、基因等多模态数据，提供多尺度综合分析，帮助我们构建更完整的肿瘤’画像’。肿瘤是一个由复杂癌细胞组成的生态系统，对其画像勾勒得越准确，就越能发现以往忽视的肿瘤行为和潜在治疗靶点，为前端治疗提供新瓶变化。
徐仲煌补充说：“面对陌生肿瘤，如果AI能推动人类对其认知前进，哪怕是一小步，也有可能从根本上为肿瘤诊疗提供新的方法论指导，真正改变我们应对癌症的方式。”
发挥数据「养料」作用
要让AI进一步赋能肿瘤诊疗全流程，取得优质、全面、庞大的数据支援十分关键。
AI模型的训练不仅依赖医师标注，还需要完整的临床周期资料。吕乐举例说：「PANDA模型训练过程中，医生不仅要提供病理图片、病理报告、CT影像等多模态数据，还需要手动确认病灶位置，并在增强CT上准确勾勒出来。接着，工程师透过三维影像配准技术，将病灶的三维勾画映射到平扫学会CT上，最终让AIAI会识别早期胰脏肿瘤表现在平扫影像中的表现。
这个过程中，只有医生和AI团队密切
屌妹妹吊嗨春水 日本淫娃催情水 极淫欲城市猎人 MAXMAN男性阴茎增大丸 Vigrx plus威乐 vimax天然草本增强丸 绿巨人阴茎增大胶囊 goodman增大丸 美国VVK阴茎增大丸
合作，才能为模型提供高品质的训练资料。吕乐进一步解释，前沿的医疗AI演算法团队往往依赖广泛的合作医院提供多样性数据，这对于提高模型的泛化能力至关重要。不同医院的数据为AI模型提供了丰富的病理背景，帮助其更精确地应对各种临床情境。
然而，由于需要数据量大、涉及部门多、数据分散等问题，数据获取成为目前肿瘤AI研究的主要瓶颈。 「要取得单一的影像或病理资料并不难，但同时取得同一病人的影像、病理、基因等全模态资料非常难。」李志成说，这不仅需要多个科室密切配合，还需要耗费大量时间。目前肿瘤研究往往分散在不同学科，影像分析由影像科和工程技术人员负责，而基因资料则由分子病理学科或生物资讯人员处理。打破学科间壁垒、整合数据，仍是一个巨大挑战。
「数据是AI能否在医疗中充分发挥作用的基础『养料』。」在徐仲煌看来，数据的扩展性、标准化和安全性是医院在布局医疗AI时的关键考虑因素。医院在规划AI布局时必须从当下着手，确保资料输入、存档和管理的标准化，事先设计合理的资料管理框架，同时为未来的资料处理预留介面。 AI的优势在于其能不断吸收新数据，进行自我优化。这要求医院的资料储存系统具备扩展性，以应对日益增长的多模态资料需求。
在资料安全方面，徐仲煌认为，医院需建立严格的资料加密和隐私保护机制，确保科技应用在符合法规、社会伦理的前提下，为临床诊疗工作提供可靠支援。
