ESMO2018,ESMO 2018-欧洲肿瘤内科学会年会

资讯内容 Content

ESMO 2024丨Jakob N. Kather教授：人工智能在精准肿瘤学中有一席之地吗？

编辑:肿瘤瞭望时间:2024/9/18 17:12:03 关键字:精准医疗

人工智能的应用有可能改变精准肿瘤学，但数据质量和工具的临床验证仍然具有挑战性

人工智能（AI）在肿瘤精准医疗中的优势在于，它能够发掘数百万癌症患者日常可获得的真实世界数据的价值。近年来，AI使肿瘤医师能够利用来自多个信息源（包括二代测序和医学影像学）的大型数据集，从而帮助改善肿瘤特征分析，并提供对癌症的更全面理解（NPJ Precis Oncol.2023;7:43）。

尽管人工智能有变革肿瘤精准医疗的潜力，但该领域仍处于早期阶段，且在临床实践中实施AI的工具仍存在障碍。

大型语言模型（LLMs）是一种能够处理大量且多样化的文本数据，且处理能力达到人类水平的人工智能。它们能够处理肿瘤学中迅速增长的特定患者数据量，并从处理后的信息中生成结果文本（NPJ Prec Oncol.2024;8:72）。所有患者都可获得常规数据，如医疗报告、病理结果和影像，是AI提取具有临床意义证据的最佳数据。相比之下，实验数据的益处非常有限，因为其获取成本高昂，且仅对特定个体可用。

大型语言模型能够捕获非结构化数据，并利用这些数据为临床实践提供有用信息，如在手术中提供指导、辅助诊断、预测治疗反应、推荐治疗策略、预测治疗相关并发症以及为医生提供医学知识（J Cancer Res Clin Oncol.2023;149:7997-8006）。然而，AI工具的质量取决于其训练数据的质量，种族、民族和性别偏见可能是一个问题。如果训练数据存在偏差——例如，用于训练的信息不具有代表性、包含错误或不完整——AI系统将学习和复制这些偏见模式，从而导致不公平或歧视性的结果（Sci.2024;6:3）。

人工智能模型的准确性、可靠性和临床相关性是推动其在肿瘤学实践中应用的关键特征，但这些品质有时难以证明。

事实上，学术出版物中的大多数AI工具尚未获得医疗器械批准，必须根据《医疗器械法规》（medical Device Regulation，MDR）获得批准。AI工具并且还需要临床证据支持，以确保其有效且输出的正确性。最近，美国和欧盟批准了一些用于肿瘤学的AI工具，主要用于放射学和病理学图像分析（NPJ Prec Oncol.2024;8:72），还有许多其他工具正在评估中。然而，监管批准和监管框架的能力可能是采用基于AI的个性化治疗的限制步骤。例如，虽然基于AI的医疗保健工具受医疗器械法律监管，但这些法律或管理药品和器械组合的法律对于更复杂的基于AI的个性化治疗来说是不充分的。显然需要调整监管流程和监管机构遵循的法律，以便以适当的速度评估基于AI的个性化治疗，这一速度应与新型工具的发展并行（NPJ Prec Oncol.2024;8:23）。

由于医疗器械的技术和监管限制，目前医疗领域的AI系统设计的目的只有一个，如分析X光图像或实验室数据。AI工具正在不断发展，现在我们可以将补充数据作为同步输入进行整合，如文本与图像结合，或图像与基因组数据结合，这更好地反映了肿瘤学家在开具治疗前考虑多个信息和相应数据（NPJ Prec Oncol.2023;7:43）。因此，我们必须开始考虑如何在临床试验设计中实施处理来自多个来源信息的多用途AI工具，以进行验证。

一旦患者数据以合适的格式用于AI工具的临床验证，AI就有可能被常规使用，并改善患者的治疗。然而，患者和医护人员对AI工具的认知和信任对于将研究进展转化为临床实践至关重要。肿瘤学界普遍对AI支持持积极态度，但在某些个体中仍存在需要克服的障碍，包括医疗专业人员对技术理解有限而对AI持怀疑态度，以及患者对网络安全、准确性和缺乏人类同情心的决策的担忧（Technol Cancer Res Treat.2022;21:15330338221141793）。

欧洲肿瘤内科学会（ESMO）等肿瘤学协会可以作为推动该领域进一步发展的主要驱动力，从而增强肿瘤学专业人员对投资AI研究及其应用的信心。2024年11月，首届ESMO人工智能和数字肿瘤学大会将在柏林举行，这将为肿瘤学利益相关者提供一个独特的机会，讨论相关方面应用，包括如何验证AI工具、临床试验的设计、标准应为何以及应如何使用输出结果。在2023年推出《ESMO Real World Data and Digital Oncology》期刊后，ESMO继续在数字肿瘤学时代履行其承诺，即在这一可能真正改变游戏规则的领域中与肿瘤学家并肩作战。