人工智能对现代肿瘤学的影响：从早期检测到个体化癌症治疗

与癌症斗争中的更聪明工具

对许多人来说，癌症护理仍然带着希望、猜测和漫长等待的混合感。本文解释了人工智能（AI）如何开始改变这一局面。通过教计算机解读医学扫描、显微镜图像、基因检测和健康记录，科学家们正在构建可以更早发现癌症、更加精确选择治疗并更快设计新药的系统。虽然这些工具并不取代医生，但它们正在成为强大的合作伙伴，可能使癌症护理更准确、更个性化，并在某些情况下更少侵入性。

为影像和组织切片配备新“眼睛”

至今，AI 在医学影像和病理学方面取得的成效最为明显——这些图像是医生用来发现和理解肿瘤的工具。在乳腺癌筛查中，AI 程序可以解读钼靶影像并标注可疑区域，其准确性与经验丰富的放射科医师相当，有时甚至更好，同时减轻他们的工作负担。类似系统可以在 CT 扫描中跟踪微小的肺结节，并在结肠镜检查中实时标出结肠息肉。在数字病理学中，玻片被扫描成高分辨率图像，AI 能识别前列腺、肺和皮肤癌，评估肿瘤分级，甚至在淋巴结中检测隐匿的癌细胞。这些工具不会取代人类专家，但它们能捕捉到疲劳双眼可能漏掉的微妙细节，并加速劳动密集型的工作。

解读癌症的遗传密码

癌症由 DNA 的变化驱动，现代检测可以在单个肿瘤中测量数千种基因变异。挑战在于如何理解这庞大的信息量。AI 非常适合这项工作。通过在大量遗传与临床数据上训练，AI 模型可以学会哪些突变最重要、哪些组合预示侵袭性疾病、以及哪些可能对特定药物有反应。它们还可以将多层信息——DNA、RNA、蛋白质和代谢数据——结合起来，形成对肿瘤工作方式的更完整认识。在某些情况下，AI 甚至可以仅通过常规显微镜图像推测关键突变的存在，从而在基因检测受限时提供更快、更便宜的治疗指引。

发现更好的标志物与更佳药物

医生长期依赖生物标志物——如特定基因、蛋白或血液指标等可测信号——来检测癌症和选择治疗。综述描述了 AI 如何通过在复杂数据中搜索来加速寻找更好标志物的过程，这些数据量是手工分析无法应付的。例如，机器学习系统可以将血液检测或免疫细胞谱系中的模式与患者生存期或治疗反应联系起来。同时，AI 正重塑药物发现过程。研究者不再盲目测试数以百万计的化合物，而是用 AI 预测哪些分子会与癌症靶点结合、哪些药物组合可能最有效、哪些患者最有可能受益。这可以缩短从实验室想法到临床试验的漫长且昂贵的道路。

设计更聪明的试验与更安全的护理

AI 还影响着癌症治疗的开发与交付方式。在临床试验中，AI 可以扫描健康记录以找到符合复杂纳入标准的患者，帮助更快、且参与者更具多样性地完成招募。在治疗过程中，预测模型可以估计谁更可能出现严重副作用或住院再入院风险，使医生能够更早介入。包括强化学习在内的先进方法，可以在既往患者数据中模拟不同治疗路径，建议对特定癌症亚型可能最有效的用药顺序。综合来看，这些工具支持更个性化的护理，并可减少在不太可能有益的治疗上浪费的时间。

在承诺与现实问题之间取得平衡

尽管令人兴奋，作者强调肿瘤学中的 AI 仍在发展中。许多系统仅在有限环境中测试，可能在不同医院或代表性不足的群体中表现不佳，这引发了关于偏见和公平性的问题。大规模、注释良好的数据集难以收集，共享敏感的影像和基因信息也带来严重的隐私与法律问题。当 AI 协助决策出现错误时，责任归属也是未解的问题。文章认为，进展将依赖临床医生、AI 专家、患者和政策制定者之间的密切合作，以及对数据保护、透明度和安全测试的严格规则。

这对患者意味着什么

简单来说，文章总结道 AI 正成为癌症医学中的重要伙伴。它可以帮助更早发现癌症、更好地将治疗与每位患者的病情相匹配，并加速新药的发现。然而，这些系统并非万灵药，大多数也尚未准备好在日常诊所中独立运行。要让 AI 真正改善患者生活，必须对其进行严谨验证，在所有人群中公平测试，并由明确的规则来保护隐私并厘清责任。如果能做到这些，未来的癌症护理可能会少些猜测，多些由人类专业知识与智能机器共同引导的精准合作。

引用: Li, J., Zhang, L., Yu, Z. et al. The impact of AI on modern oncology from early detection to personalized cancer treatment. npj Precis. Onc. 10, 69 (2026). https://doi.org/10.1038/s41698-026-01276-6

关键词: 人工智能在癌症中的应用, 癌症影像, 数字病理, 癌症基因组学, AI 药物发现