能看片、会诊断、懂基因，还能预测疗效：AI全面助力肺癌治疗！

本文由盛诺一家原创编译，转载需经授权

引言

非小细胞肺癌（NSCLC）是全球蕞常见的肺癌类型，也是导致癌症死亡的主要原因之一，迫切需要更创新的手段来改善患者的预后。

近年来，人工智能（AI）正成为精准医疗中的变革性工具，正在重新定义非小细胞肺癌（NSCLC）的诊疗方式。它通过提升诊断准确率、预测治疗反应能力以及优化个体化治疗策略，改善患者的治疗结局。

目前，虽然AI驱动的诊断工具（如机器学习算法和深度学习模型）尚处于发展阶段，但已能够为临床医生提供比以往更快速、更精准的数据支持。越来越多的新型AI模型，正帮助医生识别肿瘤的基因特征、预测治疗效果，并实时辅助临床决策。随着AI技术的持续优化，这些模型有望为患者量身定制出更加个体化、更加及时的治疗方案。

来源：ChatGPT生成AI示意图

AI助力更精准的诊断

1.影像分析

AI正被广泛应用于低剂量CT、PET-CT和胸部X光等影像检查中，以提升图像识别的准确性和效率。

AI的深度学习模型可以高精度地分析大量影像数据，识别人眼难以察觉的微妙特征，大幅提升诊断准确率。

AI系统在识别良性与恶性病变方面也显示出潜力，甚至可以通过影像预测基因突变。例如，一项研究显示，AI模型在训练组中预测EGFR突变和ALK重排的准确度很高，AUC分别达到0.897和0.995，说明它能通过影像精准识别基因特征。

AUC是用来衡量一个预测模型准确性的指标。AUC值的范围在0到1之间，越接近1，说明模型越可靠。

某研究团队开发的多任务AI系统，可基于CT影像预测EGFR突变和PD-L1表达状态，AUC分别为0.842和0.799。

随着AI模型的进一步发展，未来患者可能无需病理活检即可开始治疗，从而减少治疗延误。

2.病理诊断

AI工具在组织学层面也发挥着作用，利用数字化全景切片图像，帮助医生更准确地区分非小细胞肺癌（NSCLC）亚型并识别基因突变。

某研究团队利用神经网络对肺腺癌和鳞癌进行分类，平均AUC为0.97，已接近病理医生的诊断水平。该研究还显示，AI可通过病理图像预测EGFR、KRAS等基因突变，AUC在0.733至0.856之间。

神经网络是一种模仿人脑神经元连接方式的计算模型，能通过“学习数据”来识别图像、声音、语言，甚至帮助医生判断癌症。

来源：ChatGPT生成AI示意图

1.治疗反应预测

虽然目前已有用于预测非小细胞肺癌（NSCLC）患者生存情况的数据模型，但AI能根据个体数据（如CT影像特征）提供更加个性化的预后信息。

例如，某研究团队构建的深度学习模型可预测患者对放化疗的反应，训练组的AUC为0.86，验证组的AUC为0.84，表现良好。

未来如果AI模型能用在更多综合数据基础上进行训练，将能让患者更清楚地了解自己对某种治疗有没有效果，从而更有信心配合医生制定治疗方案。

2.生存期预测

AI工具在患者生存期预测方面取也得了一些进展。

某研究团队开发的个体化AI生存预测模型，结合临床和影像组学数据，准确预测了晚期非小细胞肺癌（NSCLC）患者的生存情况。该模型能识别出影响生存的关键因素，如年龄、性别、体能状态及肿瘤PD-L1表达，并提供当前蕞精准的生存评估模型之一。

某研究团队基于病理特征开发了预测肺腺癌复发风险的深度学习模型，AUC为0.763。研究发现，高风险患者的无复发生存期更短、分期更晚。该模型还发现，像TP53这样的基因突变，在高风险患者中更常见，能帮助医生提前识别哪些人可能需要更积极的后续治疗。

某研究团队针对1049例手术切除非小细胞肺癌（NSCLC）患者，建立了AI预后模型，使用17个临床病理因素和52项血液检查指标，预测了无病生存期（DFS）、总生存期（OS）和癌症特异性生存期（CSS）。这个模型对患者术后5年的预后情况预测分别是：无病生存期（DFS）的AUC为0.890，总生存期（OS）的AUC为0.926，癌症特异性生存期（CSS）的AUC为0.960，显示出对术后预后和复发预测的高度准确性。

这些AI模型有望打破传统的“套公式”估算生存期的方式，而是根据患者自身的影像、指标等信息，给出更精准、个性化的预后判断。

AI正在革新外科治疗方式，提升手术的安全性和有效性。

AI系统可以为放疗医生和外科医生提供实时影像分析和预测分析。例如，“自适应放疗临床决策支持系统”（ARCliDS），能基于患者个体数据优化放疗剂量，还可估算不同剂量下的治疗结果，并通过强化学习推荐每日蕞佳剂量，帮助提高肿瘤控制率、降低副作用。

在手术中，AI可以实时分析术中的影像，帮助医生指导切缘设计，即帮忙规划从哪里下刀、切多少，还可以识别关键结构，即识别哪些地方不能碰，避免伤到重要组织。据某研究团队介绍，AI结合近红外影像可实时区分正常组织、良性病灶和恶性病变，帮助外科医生精确切除肿瘤、减少术后并发症。另一研究团队提出，借助AI分析的吲哚菁绿显影技术，医生在手术中可以更清楚地看清血流分布，找到该切的地方，尽量完整切除肿瘤，同时避免误伤重要的器官或血管。

术后阶段，AI还可通过电子病历数据，预测术后并发症并指导随访。例如，某研究团队开发的MySurgeryRisk系统，预测急性肾损伤和神经并发症的AUC分别为0.82和0.87，有助于医生提前干预、进行个体化管理。

来源：ChatGPT生成AI示意图

尽管AI在医疗中的应用前景广阔，但目前仍面临一些现实挑战。例如，它需要大量高质量、精准标注的数据作为基础，否则模型就难以具备良好的适应性和准确性；部分AI模型缺乏透明度，医生很难了解其推荐依据，进而影响对结果的信任；算法对某些人群判断不准，以及患者数据的隐私问题也需要严格监管。

目前，AI在临床中的定位应是辅助性临床工具，旨在增强医生（如放射科医生、病理科医生）的判断力，而不是取代医生本身。AI的真正价值，仍需要由医生根据患者的实际情况进行个体化判断，将AI的“参考建议”转化为真正适合患者的治疗方案。

结论

人工智能正在推动非小细胞肺癌（NSCLC）精准医疗的发展，不但让诊断更准确，也能提前预测治疗效果，帮助医生为每位患者量身定制更合适的方案。AI能分析基因、影像和病历等大量数据，帮助医生更快更准地做出判断，未来有望彻底改变肺癌的治疗方式。

不过，要想让AI真正发挥作用，还需要解决一些问题，比如数据要足够精准，AI做出判断的“理由”也要让医生能看懂，而且还得保护好患者的隐私。只有医生和技术人员紧密合作，AI才能真正落地，给患者带来实实在在的帮助。

来源：

https://www.cancernetwork.com/view/the-role-of-artificial-intelligence-in-enhancing-precision-medicine-for-nsclc