AI醫療對于惡性腫瘤患者的幫助與影響

中圖分類號：R197

文獻標識碼：A

DOI：10.3969/j.issn.1006-1959.2025.15.041

文章編號：1006-1959（2025）15-0184-05

TheHelpand Influenceof AIMedical Treatment onPatientswithMalignant Tumors

ZHANG Qian，LIU Junjie

（Tianjin MedicalUniversityCancer Hospital/NationalCancerClinical MedicalResearch Center，Tianjin3Ooo6o，China）

Abstract：Thcifofrtalintellgceehoinalianttostesivdiveseiseruate influenceofAcaltoossidofsialtocalt onlprovideagostsissoaldreatdsifotitsiaantockldtielutlot relieve psychological pressure，obtain social support and improve the quality of life.

Keywords：Artificial intelligence;Medical treatment;Malignant tumol

人工智能（artificial intelligence，AI）是目前各行業重點關注的領域，國家《第十四個五年規劃和2035年遠景目標綱要》中明確提出要整合優化科技資源配置，尤其推進AI、生物醫藥等多領域的創新體系優化組合，AI醫療的應用有助于提高醫療行業水平，提升醫療行業服務的效率和質量。國家最新癌癥報告顯示，中國新發惡性腫瘤病例約406.40萬，惡性腫瘤死亡病例約241.35萬，肺惡性腫瘤、結直腸惡性腫瘤、胃惡性腫瘤、肝惡性腫瘤、女性乳腺惡性腫瘤排在前五位，這些惡性腫瘤的發病約占全部新發病例的 57.27% ，惡性腫瘤負擔依舊較重。當前，惡性腫瘤的治療方法主要包括手術切除、放療和化療等治療手段，由于治療的局限性亟待需要醫療技術的快速發展，目前AI醫療技術的發展可以助力解決當下的難題：不僅可以在病情診斷中能有效應用，還能利用影像識別算法保證病情診斷的準確率，同時能將收集到的數據信息與患者信息有效結合，制訂出科學合理的診療流程。本文概述了AI醫療在惡性腫瘤中的應用，分析其對患者診斷、治療和生活質量等方面的具體影響和面臨的挑戰，并為惡性腫瘤患者的治療和生活質量提供更加準確、個性化和有效的解決方案，同時為AI醫療技術的進一步發展提供有益的參考。

1AI在惡性腫瘤中的應用領域

AI在惡性腫瘤中的應用領域廣泛而多樣，涵蓋了腫瘤診斷和分期、治療規劃和個體化、藥物發現和開發、患者監測和管理等方面。

1.1AI在惡性腫瘤患者診斷中的作用AI在惡性腫瘤患者診斷中的應用正逐漸發展，并在早期檢測和篩查、影像學診斷和輔助，以及基因組學和生物標記物分析等方面發揮著重要的作用。 ① 早期檢測和篩查：早期檢測和篩查可以幫助發現惡性腫瘤的早期病變，提高治療的成功率和患者的生存率。AI在早期檢測和篩查中的應用具有巨大潛力，基于機器學習和深度學習的算法可以通過分析臨床數據和影像學圖像，識別和分類潛在的惡性腫瘤病變，如CTAI技術和Pro-GRP、NSE、CEA、CYFRA21-1、SCC構建的惡性肺結節預測模型，能準確、便捷鑒別肺結節的性質，可為臨床診療提供參考依據。有研究采用智能舌診分析儀和脈診分析儀分別收集了163例非小細胞肺癌氣虛證患者、174例陰虛證患者和185例健康對照者的舌象和脈象，并對舌脈數據的相關性進行了檢驗，建立分類模型，結果顯示利用舌象和脈象資料作為非小細胞肺癌氣虛、陰虛證的客觀診斷依據是高效可行的。 ② 影像學診斷和輔助：影像學在惡性腫瘤的診斷和治療中起著重要的作用，AI在影像學診斷和輔助方面的應用已經取得了顯著進展。有研究4指出基于AI視覺技術的醫療影像輔助診斷系統應用在放射科質量管理中可以顯著提高放射科工作人員的工作效率與工作質量。乳腺X線AI系統不僅可以有效減少影像醫生的工作量，且在乳腺癌篩查中可達到與影像醫生相近甚至更高的準確率，可降低篩查中間期癌的發生率5。有學者訓練并驗證了一種智能真空輔助活檢方法，利用患者影像學、腫瘤和真空輔助活檢的變量，可靠地檢測并排除早期乳腺癌術前全身新輔助治療后的殘留腫瘤（病理腫瘤或原位癌或淋巴結陽性），避免了不必要的手術。AI系統診斷不同掃描層間距肺占位性病變CT影像資料的靈敏度、特異度、陽性預測值和符合率均較高。 ③ 病理診斷和基因表達分析：病理診斷和基因表達分析為惡性腫瘤的個體化治療提供了重要的信息，AI通過整合多種數據源，如基因組學、臨床數據和病理學特征，建立預測模型和風險評估工具，為醫生提供決策支持。AI技術在腫瘤病理學中的應用有助于提高病理診斷的客觀性、準確性，有效減輕病理學家的工作量，為實現疾病精準診療和患者個體化管理奠定了良好基礎，所針對的腫瘤類型以乳腺癌、肺癌、前列腺癌、胃腸腫瘤、神經系統腫瘤居多，基于AI的自動人表皮生長因子受體評分比賽的結果證明AI的HER2評分優于病理專家。通過與AI技術相結合的方法已被成功應用于腦組織病理樣品，發現不同腫瘤區域的微環境細胞能夠調控該區域基因表達，而不同區域的基因表達特征可有效預測患者預后[]。

AI醫療在惡性腫瘤的早期檢測和篩查、影像學診斷和輔助、病理診斷和基因表達等領域中逐漸發揮著重要作用，能有效幫助醫師為患者鑒別診斷，提高診斷的準確性和縮短時間，為患者疾病精準診斷和個性化治療提供幫助

1.2AI 在惡性腫瘤治療中的作用個體化治療是惡性腫瘤管理的重要策略之一，而AI在惡性腫瘤治療中的應用正發揮著越來越重要的作用，如個體化治療方案制定、藥物研發和篩選，以及治療監測和反饋等方面，通過深入了解AI在這些領域的作用，可以更好的理解AI對惡性腫瘤患者的幫助和影響。① 個體化治療方案制定：個體化治療方案制定是惡性腫瘤治療的關鍵環節。AI可以通過整合患者的臨床數據、基因組學信息和醫學文獻，提供個性化的治療建議。QaiserT等[對經活檢證實為局部晚期乳腺癌患者提取治療前后腫瘤的超聲組學特征構建深度學習超聲組學諾模圖模型進行術前評估乳腺癌NAC后的PCR，結果顯示該模型可準確地預測PCR，可為個體化治療提供有價值的信息。 ② 藥物使用和篩選：藥物研發和篩選是惡性腫瘤治療的重要領域，通過分析大規模的生物學數據和藥物數據庫，AI可以預測藥物的效果和副作用，輔助篩選潛在的抗癌藥物，深度學習模型還可以模擬藥物的作用機制和相互作用網絡，幫助設計更有效的藥物組合方案。有研究針對腫瘤復發人群建立了一個用于聯合治療的復發特征，聯合算法將患者體內腫瘤基因的共同改變特征映射到藥物的聯合治療中，通過患者來源的異種移植、體外藥物篩選和聯合治療臨床試驗等方式驗證了推薦的聯合方案確實能夠改善患者預后。與人工配制相比，基于AI的自動化腫瘤藥物配制系統的準確性更高，環境污染水平更低，患者的等待時間更短，成本也更低[12]。

AI醫療能通過計算機技術和醫療技術有效結合，為惡性腫瘤患者提供更精準的治療方案，提供更有效的藥物使用組合，減少了藥物應用的普適性，同時與醫院實際運行相結合，為患者提供更便利的醫療服務。

1.3AI對患者護理和生活質量的影響惡性腫瘤患者的護理和生活質量對于其整體治療效果和心理健康至關重要。AI在患者護理和生活質量方面的應用正在不斷發展，并為惡性腫瘤患者提供了個性化的護理和支持如健康管理和護理、個性化的護理建議等。基于腫瘤護理協調的復雜性，AI將發揮重要的作用，AI可以幫助導航護士進行緊急情況的預測、身體情況檢查、咨詢等，從而自動規劃護理路徑和分配護理資源[13]。目前對癌癥患者的臨床實踐中已經開始重復運用基因組學知識，基因組學對癌癥治療產生了巨大的影響，在護理工作中，護士可以應用基因組學來篩查和進行風險評估，開展個性化護理[4]。有研究[15針對肺癌患者將護理記錄與放療數據相結合，開發了一個與吞咽困難相關的是否需要開處方止痛藥的機器學習預測模型，在放療第一階段開始之前應用食道疼痛預測模型使護士能夠針對高危患者進行適當的護理干預，該模型被腫瘤科護士作為決策支持工具之一，使他們可以針對每個患者的風險狀況主動調整干預措施，通過記錄護理干預措施和相關的患者結果，有可能完善和改善此類模型的預測性能，從而幫助持續改善護理質量。構建腸內營養支持護理輔助決策系統使臨床護士對于護理操作執行風險有正確認知，主動完成風險評估，為患者的醫療安全提供保障，同時規范護理操作，減少護理安全隱患，使營養護理更加精細。患者心理支持和健康教育系統：患者心理支持和健康教育是惡性腫瘤患者管理的重要組成部，AI系統可以通過虛擬現實技術和生物反饋系統，提供個性化的心理支持和康復方案，虛擬現實技術可以模擬各種情境，幫助患者減輕焦慮、疼痛感和抑郁情緒，通過在線平臺、虛擬助手和自助式應用程序等方式，提供患者教育和支持系統，獲得準確、及時和個性化的健康信息，并學習自我管理和康復技巧，AI還可以提供個性化的健康建議和行為改變支持，幫助患者積極參與治療過程。智能交互式護理信息支持系統具有一定的科學性和可行性，對改善年輕乳腺癌患者的身心癥狀、自我效能感、社會支持并提高生存期內的生活質量具有積極作用。BibaultJE等8針對乳腺癌患者，開發了一個名為Vik的聊天機器人，其能夠提供有關乳腺癌及其流行病學、治療、副作用及生活質量等方面的改善策略，臨床試驗結果表明，該聊天機器人能夠提高乳腺癌患者的藥物依從率。KataokaY等[針對肺癌患者，開發了一款聊天機器人用來提高患者的癥狀管理知識。

AI醫療通過大數據建立模型和護理知識的有效結合，能為患者提供更有利的護理方案，同時通過網絡、虛擬技術等措施為患者提供個性化的健康教育知識，提高其對醫護的依從性和患者的生活質量，及時為患者疏導不良情緒，緩解因疾病帶來的焦慮感。

2AI醫療的挑戰和限制

AI在醫療領域的應用為惡性腫瘤患者帶來了更多便利和機會，然而隨著AI醫療的發展，也出現了一些挑戰和限制，這也是AI醫療在惡性腫瘤領域發展面臨的共同問題：

2.1數據隱私和安全性問題數據隱私和安全性問題是AI醫療面臨的重要挑戰之一，AI醫療在數據處理和分析過程中涉及大量的個人健康數據，包括病歷、影像資料、基因組數據等，尤其惡性腫瘤患者更在意自己數據的隱私性。數據共享和整合的過程中存在患者隱私和安全性問題，惡意攻擊、數據泄露和濫用等風險可能導致患者的個人隱私受到侵犯。因此，建立健全的數據保護和安全機制，包括加密技術、訪問控制和隱私保護策略等，對于推動AI醫療的發展至關重要。

2.2缺乏標準化和監管AI醫療領域目前缺乏統一的標準化和監管，這給其發展和應用帶來了一定的挑戰，缺乏標準化限制了AI醫療的應用范圍和效果評估，同時缺乏監管也可能導致潛在的安全風險和誤診風險。建立健全的標準化和監管體系，包括對算法開發、數據使用和臨床驗證等方面的規范，可以提高AI醫療的可信度和可靠性。

2.3技術可靠性和誤診風險AI醫療的技術可靠性是其面臨的另一個重要挑戰。盡管AI技術在惡性腫瘤診斷和治療方面取得了許多進展，但仍存在技術的局限性和誤診風險。有調查2顯示在診病、做手術等醫療核心環節，AI介入的工作越多，占據的角色越重，患者的接受度和信任度反而越低。AI算法的訓練和驗證需要大規模的高質量數據集，而在某些惡性腫瘤類型或特定人群中，數據集可能相對有限。因此加強對AI技術的研究和驗證，提高其可靠性和精確性，以及建立有效的質量控制和誤診風險管理機制，對于推動AI醫療的發展具有重要意義。

3展望與總結

3.1AI技術的發展趨勢AI技術是必然的發展趨勢，在醫療領域的發展將持續推動AI醫療的前景，隨著計算能力的增強和數據資源的豐富，AI算法和模型將變得更加復雜和精確，深度學習、強化學習和遷移學習等技術將進一步提升AI醫療的性能和效果，尤其在惡性腫瘤患者的診斷、治療和護理等方面，同時結合其他新興技術，如區塊鏈、云計算和邊緣計算，將為AI醫療的發展提供更多的機遇和挑戰。

3.2多學科合作和數據共享的重要性實現AI醫療的全面發展需要跨學科的合作和數據共享。醫學、計算機科學、統計學等領域的專家需要共同努力，以提高AI算法和模型的質量和效果，同時數據共享也是實現AI醫療的關鍵，建立健全的數據共享機制和合作框架，包括隱私保護和數據安全策略等，可以促進AI醫療研究的開展和應用的推廣。

3.3倫理和法律問題的考量隨著AI醫療的廣泛應用，倫理和法律問題也需要得到充分的考量。確保AI算法的公正性和可解釋性是其中的重要一環。AI決策的透明性和追溯性對于醫生和患者的信任至關重要。此外，確保AI醫療的道德和法律遵循也是重要的考量因素。制定相關的倫理準則和法規，加強對AI醫療的監管和審查，可以推動AI醫療的可持續發展。

AI技術的不斷發展將推動AI醫療的創新和進步，提高其準確性和效果，通過建立多學科的合作機制和共享平臺，加強數據的開放和交流，同時倫理和法律問題也需要得到充分的考量，以確保AI醫療的公正性、可解釋性和合規性。通過全面考慮這些因素，可以為AI醫療的發展提供指導，并實現其在惡性腫瘤治療中的最大潛力，為患者提供更精準、個性化的治療，推動整個醫療領域向著更加智能化和人性化的方向發展。

AI醫療具有廣闊的前景和發展空間，特別是為惡性腫瘤患者提供更好診斷、治療和護理：AI醫療可以提高惡性腫瘤的早期檢測和篩查，幫助醫生及時發現潛在的腫瘤病變，提高患者的治愈率和生存率。同時AI醫療在惡性腫瘤治療中的個體化方案制定、藥物研發和篩選，以及治療監測和反饋等方面也起到了重要作用，通過在護理方面的影響，制定個性化的護理方案，為患者提供惡性腫瘤的健康教育和支持，幫助患者更好地了解疾病和治療，提高患者的自我管理能力，減輕患者的心理壓力和提高生活質量。

參考文獻：

[1]鄭榮壽，張思維，孫可欣，等.2016年中國惡性腫瘤流行情況 分析[].中華腫瘤雜志，2023，45（3）：212-220.

[2]范光明.基于Logistic回歸分析構建惡性肺結節CT人工智 能技術和腫瘤標志物的預測模型[].中國醫療設備，2023，38（1）： 71-76.

[3]Shi YL，Liu JY，Hu XJ，etal.Anewmethod for syndromeclassification of non small cell lungcancer basedondata of tongue and pulsewith machineleatning D].BiomedResint，2021，2021： 133558.

[4]周應媛，許茂盛.基于AI視覺技術的醫療影像輔助診斷系統 在放射科質量管理中的應用效果.中醫藥管理雜志，2021，29 （12）：136-137.

[5]Raya-Povedano JL，Romero-Martin S，Elias-Cabot E，etal. AI-based strategies to reduce workload in breast cancer screening with mammography and tomosynthesis： a retrospective evaluation[J].Radiology，2021，300：57-65.

[6]Lng K，Dustler M，Dahlblom V，etal.Identifying normal mammograms in a large screening population using artificial inteligence[].Eur Radiol，2021，31：1687-1692.

[7]Pfob A，Sidey-Gibbons C，Rauch G，et al.Intellgent vacuumassisted biopsy to identify breast cancer patients with pathologic complete response（ypTO and ypNO） after neoadjuvant systemic treatment for omission of breast and axillary surgeryD].J Clin Oncol，2022：JCO2102439

[8]紀敬斌，張宸瑜，彭壘，等.AI對肺占位性病變的診斷價值及 影像特征分析[].青島大學學報（醫學版），2023，59（4）：564-567.

[9]平軼芳，閆紅，卞修武.人工智能病理在腫瘤精準醫療時代的 應用與挑戰].生命科學，2022，34（8）：929-940.

[10]Qaiser T，Mukherjee A，Reddy Pb C，et al.HER2 challenge contest： a detailed assessment of automated HER2 scoring algorithmsinwhole slide imagesof breast cancer tissues ]. Histopathology，2018，72：227-238.

[11]Li XB，Dowling EK，Yan GH，et al.Precision combination therapies based on recurrent oncogenic coalterations [J].Cancer Discov，2022，12（6）：1542-1559.

[12]Yaniv AW，Orsborn A，Bonkowski JJ，etal.Medication compounding：recommendations from the international community of apotecachemo users [J].Am JHealth Syst Pharm，2017，74： e40-e46.

[13]Moser EC，Narayan G.Improving breast cancer care coordination and symptom management by using AI driven predictive toolkits[].Breast（Edinburgh，Scotland），2O20，50：29.

[14]Jenkins JF.Genomic health care today and tomorrow：expert perspectives[J].Seminarsin Oncology Nursing，2019，35：131-143.

[15]OllingK，NyengDW，Wee L.Predictingacute odynophagia during lung cancer radiotherapy using observations derived from patient-centred nursing care [].Technical Innovationsamp;Patient Support in Radiation Oncology，2018，5：16-20

[16]段舒舒，郭珊，方秋月，等.腸內營養支持護理輔助決策系統的構建與應用[].中國醫藥科學，2023，13（4）：118-122.

[17]蔣璐璐，王喜益，徐潔慧，等.智能交互式護理信息支持系統的構建及在乳腺癌患者中的應用研究[].中華護理雜志，2023，58（6）：654-661.

[18]Bibault JE，Chaix B，Guillemasse A，et al.A chatbot versus physicians to provide information for patients with breast cancer：blind，randomized controlled noninferiority trial[J].Journal of Medical InternetResearch，2019，21：e15787.

[19]KataokaY，TakemuraT，SasajimaM，etal.Developmentand early feasibility of chatbots for educating patients with lung cancerand their caregivers in Japan：mixed methodsstudyU].JMIR Cancer，2021，7：e26911 [20]劉伶俐，賀一墨，劉祥德.患者對人工智能醫療的認知及信 任度調查[].中國醫學倫理學，2019，32（8）：986-990. 收稿日期：2023-11-21；修回日期：2023-12-30 編輯/成森