2025年ASCO年会上，专家们展示了人工智能如何通过优化临床试验设计、智能诊疗决策和影像识别等技术，显著提升肿瘤学研究效率与临床诊疗精准度，并结合临床实践与最新研究，展望了未来的发展方向。

临床价值永远是第一位！再先进的算法，如果不能解决实际临床问题，都没有意义。

当前最具实用价值的AI应用场景包括：

1.智能病历记录系统：通过环境AI（ambient AI）技术，实时记录医患对话，显著减轻医生文书负担，让医护人员能将更多时间投入到患者照护中

2.再入院风险预测：基于多模态数据，提前识别高风险患者，实现早期干预

3.临床试验智能匹配：为患者快速筛选合适的研究项目，降低信息壁垒

这种"以患者和医生需求为中心"的整合方式，完全符合ASCO和NCCN在2024-2025年最新共识中提出的原则：AI应当作为临床决策的辅助工具，而非替代者。

成功实践：从放疗到临床试验的AI应用

1.放疗自动勾画革命

在放射肿瘤学中，靶区勾画传统上需要数小时甚至更长时间。基于Transformer架构的自动分割工具在ASCO 2025年会上展示了突破性成果：

靶区勾画效率提升超过60%，部分病例可在几分钟内完成

系统可在治疗中期根据肿瘤缩小情况动态调整计划，显著提升治疗精度

2.临床试验智能匹配

传统人工病历筛查通常需要数天至数周时间，而AI系统能够：

将5000名患者的预筛查时间缩短至1小时

多智能体（multi-agentic）AI相比"零样本"模型表现更加稳定，准确率接近专业研究协调员水平

支持去中心化临床试验模式，患者可在社区医院甚至药房完成入组流程，极大提高可及性

药物研发历来以周期长、成本高著称。AI技术的引入正在彻底改变这一现状：

1.AlphaFold带来的革命

由Demis Hassabis和John Jumper开发的蛋白质结构预测AI系统获得诺贝尔化学奖

解决了困扰科学界半个世纪的"Levinthal悖论"，将蛋白质折叠预测从"需要宇宙历史级时间"的难题变为现实可能

2.多模态数据融合

整合数字病理（全片扫描+空间转录组学+外显子测序），精准预测肿瘤微环境变化

可用于评估免疫治疗敏感性，如通过调控T细胞浸润环境提升治疗效果

3.监管支持与投资机遇

美国FDA积极推动AI辅助药物研发，特别是在罕见病和小样本研究领域

多重掩码学习（masked modeling）等新技术的应用，大幅提升了候选药物筛选效率

"临床试验悖论"长期存在：全球有数千万癌症患者和数以万计的临床试验，却因入组不足导致大量研究提前终止。AI技术正在帮助破解这一困境：

1.患者中心化匹配：通过"数字预筛选中心"，实现患者信息与试验数据库的实时对接

2.智能提醒系统：患者在就诊时，系统即可自动提示医生合适的试验机会

3.去中心化试验模式：利用药房、影像中心等社区资源，使患者能够就近参与研究

4.流程效率提升：传统入组流程需要4-30天，AI系统可将其缩短至1-7天

这一创新模式与ASCO 2025年教育会议提出的理念完全一致：通过建立跨机构、跨数据源的互操作网络，打破信息孤岛，让更多患者从临床试验中获益。

AI问答工具（如OpenEvidence、ASCO Guidelines Assistant）正在临床快速普及：

显著优势：提升指南和文献检索效率，辅助医生制定治疗方案

潜在风险：如果缺乏权威数据库支持，可能产生不准确甚至危险的推荐

为此，国际权威机构（ASCO、NCCN、ESMO）强调：

1.必须建立在可信数据源基础之上

2.需要持续更新，避免模型老化或数据漂移

3.人类专家验证不可或缺，特别是在肿瘤学这种"每个决策都关乎生死"的领域

未来五年需要重点关注的三大领域：

1.算法公平性（Algorithmic Equity）

当前AI模型大多基于学术医学中心数据，忽视了社区医院和弱势群体特征

需要通过联邦学习（Federated Learning）等技术提升数据代表性，减少医疗差距

2.AI生命周期治理

与传统药物不同，AI模型会随时间推移发生"漂移"

需要建立持续再训练与验证机制，确保在真实临床环境中的可靠性

3.人机交互优化

临床医生需要可解释、可追溯的推荐，而非黑箱输出

决策支持系统必须提供清晰、可操作的见解，减少信息过载

AI在肿瘤学中的整合既带来巨大机遇，也面临重大挑战：

机遇方面：提升诊疗效率、实现精准医疗、加速药物研发、扩大临床试验可及性

挑战方面：数据偏差、模型漂移、透明度不足等问题亟待解决

未来五年，如果能够坚持透明、公平、可解释、以患者为中心的原则，AI将不会取代医生，而是成为临床工作中最强大的合作伙伴，帮助我们最终实现真正精准、个体化和公平的肿瘤医疗服务。

参考文献

1. ASCO Daily News Podcast. From Clinic to Clinical Trials: Responsible AI Integration in Oncology. July 10, 2025.

2. ASCO Annual Meeting 2025. Education Session: Digital Prescreening Hubs for Clinical Trials.

3. ESMO AI in Oncology Task Force. Guidance on Artificial Intelligence in Cancer Care. Ann Oncol. 2024.

4. NCCN Guidelines Insights: Principles of Artificial Intelligence Integration in Oncology. NCCN, 2025.

5. Jumper J, Hassabis D. AlphaFold and the revolution in protein structure prediction. Nature. 2021.

文章来源及免责声明

本文所载医学信息不构成任何形式的诊断、治疗或个体化医疗建议，具体诊疗请以专业医疗机构及医务人员意见为准。

相关内容及图片版权归原作者及原权利人所有，本文转载自微信公众号“指南解读”转载内容仅供学术交流、专业学习及健康科普信息参考。

如转载内容涉及著作权、肖像权或其他合法权益问题，请与本网站联系，我们将在核实后及时处理。