中国专家共识:AI在临床肿瘤影像中的应用
本共识由中国多学科专家组采用改良德尔菲法制定,81位专家对30条核心声明达成共识,涵盖AI在肿瘤筛查、诊断、分期、治疗规划、疗效评估及预后预测中的应用。共识明确了数据治理、模型验证、可解释性与临床整合的推荐意见,并指出多模态与多组学融合、纵向疗效建模及前瞻性验证为优先研究方向。
要点
- AI可作为第二阅片者用于肿瘤筛查,在乳腺X线摄影中检测率不劣于双人阅片,但需充分验证。
- AI辅助肿瘤分期可提升TNM评估一致性与解剖精细度,但目前应定位为辅助工具,不替代人工。
- 自动分割中器官级分割较成熟,实体肿瘤分割准确性仍不稳定,报告时需结合专家审核。
核心结论
- 专家组认为AI在肿瘤影像的早期检出、病灶分割与定性、分期和治疗规划、疗效评估与预后预测等领域具有显著应用前景,但其常规临床转化需以多中心前瞻性验证和真实世界性能监测为前提。
研究设计与样本
- 该共识为改良德尔菲法专家共识,由长三角医学影像联盟等四个专业组织协调,81位中国多学科专家参与,采用匿名电子问卷调查方式。
- 专家以放射科为主,包括核医学、肿瘤学及AI专业人员,对30条核心声明以9分Likert量表独立评分,共识标准为均分≥7且≥80%专家评分≥7。
- 文献综述检索PubMed中2025年11月前收录的研究,使用癌症、影像模态及AI相关关键词组合。
关键影像表现/征象
- DL模型ThyNet可在超声上区分甲状腺结节良恶性,有助于减少不必要活检且不降低诊断准确性。
- 多模态影像融合(如CT、MRI、DCE-MRI、DWI、PET)可提高病灶勾画准确性、鉴别诊断置信度及生物学表征能力。
- 基于Faster R-CNN的MRI模型可快速检测淋巴结转移并缩短判读时间,CT模型可无创预测喉癌隐匿性淋巴结转移。
- 基于U-Net及其变体(如nnU-Net)的自动分割在肿瘤区域提取中表现稳健,可减少人工标注依赖及观察者间变异性。
- PET提供代谢信息有助于CT表现不明确的肝细胞癌病灶勾画,CT可辅助定位PET上低代谢坏死区域。
诊断标准与关键数值
- 共识标准定义为平均评分≥7.0且至少80%专家评分≥7,30条声明全部满足阈值,平均分范围8.06至8.58,专家评分≥7的比例为86%至98%。
- 基于人群筛查乳腺X线摄影的前瞻性评估中,AI作为独立第二阅片者的配对阅片非劣效设计,其癌症检出率不劣于双人放射科医师阅片。
- 共识建议诊断、分子分型及风险预测等核心任务应联合影像组学特征与深度学习特征,以提升模型稳定性、泛化性与生物学可解释性。
- 局部晚期直肠癌中,基于LASSO-Cox回归构建的MRI影像组学列线图可预测远处转移并指导辅助化疗决策。
临床应用与阅片要点
- AI辅助图像判读可在保持诊断性能的同时提升工作流效率,适合在放射资源有限的场景中提高筛查可及性。
- 标准化的病灶分割与特征提取是下游诊断建模、预后预测及定量疗效评估的必要基础步骤,自动分割结果应经专家审核。
- AI辅助分期对头颈部癌症包膜外侵犯、肝细胞癌微血管侵犯及淋巴结转移判定等难点有辅助价值,但需结合人控复核。
- 当前全自动肿瘤特异性TNM分期尚未达到常规临床应用条件,报告时应将AI定位为辅助工具并注明其输出需联合人工判读。
局限性
- 参与专家以中国大学医院为主,地区代表性有限,可能影响共识的国际普适性。
- 多数共识依据文献证据以回顾性研究为主,前瞻性、多中心验证证据仍不足。
- AI模型的肿瘤分割准确性在不同应用目标间差异大,实体肿瘤分割尚不稳定。
- 共识声明未涉及具体AI产品的监管审批、患者结局终点或卫生经济学评价。
全文中译16 节 · 点击展开
引言
全球癌症发病率和死亡率持续上升,癌症已成为人类健康面临的最重大威胁之一。根据全球癌症观察站(GLOBOCAN)的数据,2022年全球新发癌症病例为2000万例,癌症相关死亡为970万例。预测表明,到2050年,全球每年新发癌症病例将超过3500万例,较2022年增长77% [1]。在中国,GLOBOCAN估计2022年新发癌症病例近480万例,较2020年有所增加 [2],癌症相关死亡约260万例。肺癌、肝癌、胃癌、结直肠癌和食管癌是中国癌症死亡的主要原因。尽管中国癌症总体5年生存率呈持续上升趋势 [3],这一改善可能归因于早期诊断、精准治疗以及医疗服务可及性的提升 [4]。然而,传统的癌症诊断和治疗方法在准确性、效率和个体化方面面临显著局限。这些局限包括早期隐匿性肿瘤的检测困难、临床表现重叠疾病的鉴别、难治性恶性肿瘤及治疗后复发风险的管理,以及完全个体化治疗策略的实施 [5]。
过去十年中,人工智能(AI)技术,尤其是影像组学和深度学习(DL),已被广泛研究用于癌症筛查、诊断、分期、治疗计划、疗效评估和预后预测 [6–11]。越来越多的可行性和早期临床研究表明,AI有潜力提高病灶检出率、减少观察者间差异,并提取能够反映肿瘤生物学和异质性的定量影像生物标志物 [7–11]。然而,大多数AI模型仅在回顾性或实验性研究环境中进行了评估,支持其常规整合到临床实践中的有力证据仍然有限。
若干障碍导致了这一转化差距。这些障碍包括影像采集方案、标注方法、建模流程和验证框架的异质性,这些因素共同损害了可重复性和外部泛化性 [12]。许多AI模型作为“黑箱”运行,为临床医生提供的可解释性有限。这种透明度的缺乏可能损害临床问责制,妨碍与患者的透明沟通,并掩盖潜在的算法偏见,从而引发重大伦理问题 [13]。此外,AI工具整合到临床工作流程中——包括影像归档和通信系统(PACS)、放射学信息系统(RIS)和多学科决策流程——仍然不够理想。此外,与数据隐私、机构间安全数据共享以及真实世界环境中模型性能的持续监测相关的持续挑战,继续阻碍着广泛的临床采用。
在中国,日益增长的癌症负担对可扩展、标准化的肿瘤影像工作流程以及基于影像的临床决策支持系统提出了越来越高的要求。与此同时,在多中心合作和转化项目不断拓展的推动下,影像人工智能(AI)研究的范围和复杂性不断扩大。然而,临床医生、放射科医生和数据科学家在AI整合的适当临床工作流程、数据采集与标注方案的标准化、部署前所需的验证水平,以及在创新与风险缓解之间取得平衡的策略方面,仍然面临实际不确定性。这些挑战超出了单项研究的范围,凸显了需要协调一致的多学科专家共识来指导负责任的实施。
为弥合这些差距,在中国主要医学影像学会的支持下,成立了全国多学科专家小组。采用改良德尔菲法,通过匿名电子调查,专家组评估了一整套涵盖AI在癌症影像中应用的陈述,从早期筛查到预后预测,以及数据质量、标准化和临床实施相关的关键问题。基于在30项核心陈述上达成的高度一致,形成了本专家共识。本共识总结了AI在临床癌症影像中的当前应用(图1),提供了涵盖数据治理、模型开发与验证、可解释性以及临床工作流程整合的建议(图2),概述了支持AI技术安全、有效和可持续实施的优先研究方向,并通过解释性讨论主要应用领域、转化挑战和实施考量,进一步为这些建议提供了情境化阐述。
方法
治理与专家小组
本共识在以下四个专业组织的协调下制定:长江三角洲区域医学影像联盟、上海市医院放射科协会、上海市中西医结合学会医学影像专业委员会和中华医学会放射学分会分子影像学组。指导委员会负责监督方法学设计、共识陈述的制定以及文件的最终批准。
专家小组成员的遴选基于其在肿瘤影像方面的临床经验、在影像组学(radiomics)和AI方面的学术贡献,以及在地区或国家专业学会中的领导职务。专家小组由来自中国各地大学附属医院和学术机构的放射科医生、核医学医师、肿瘤科医生和研究人员组成。指导委员会成员列于补充表S1。
共识陈述的制定
初步共识声明由指导委员会和核心撰写小组制定。为确保全面涵盖癌症影像人工智能的关键主题,撰写小组开展了针对性文献综述,综合了AI在癌症诊疗全流程中应用的证据,包括筛查、诊断、分期、治疗计划、疗效评估和预后建模。同时系统总结了影像组学、模型可解释性、隐私保护、数据标准化和临床实施等跨领域问题。文献综述在PubMed中进行,涵盖截至2025年11月收录的研究,使用与癌症、影像模态和AI方法学(如机器学习(ML)、深度学习(DL)、影像组学)相关的关键词组合进行检索。优先纳入关注临床相关影像任务的人体研究;排除非肿瘤或非影像研究、缺乏临床评估的纯技术性论文以及仅表达观点的文章。全文由两名评审者独立筛选,分歧通过共识讨论解决。该综述旨在确定关键应用场景和关键实施挑战,为共识声明的起草提供依据。基于这一过程,撰写小组制定了初始候选声明池,反映了当前挑战、新兴机遇以及需要专家达成一致的领域。
撰写小组通过多轮内部评审对声明草案进行完善,以确保清晰性、临床相关性并避免冗余。最终确定的声明随后分发给专家小组,通过德尔菲调查进行独立评估。最终问卷包含三十条共识声明,涉及早期癌症检测、诊断评估与病灶定性、分期与治疗计划、治疗反应与预后预测,以及与数据标准化、隐私保护和临床实施相关的关键跨领域问题。
德尔菲流程
采用改良德尔菲法,于2025年11月通过匿名电子调查实施。专家使用9分Likert量表(1 = 强烈不同意;9 = 强烈同意)对每条声明进行独立评分,并可选择性提供自由文本评论。整个过程保持匿名性,以最大限度地减少支配性偏倚并确保专家意见的公平表达。使用描述性统计总结每条声明的评分分布。投票轮次期间不提供任何群体层面的反馈,以维持独立判断。
共识标准与决策规则
共识预先定义为平均分≥ 7.0且至少80%的专家给出≥ 7分的评分。未达到这些阈值的声明被指定进行修订,并安排在后续德尔菲轮次中重新评估。最终确定的声明在纳入共识文件之前,须经指导委员会审查并正式批准。
伦理考虑
本倡议仅基于专家意见,不涉及人类受试者或患者数据的使用。因此免于机构审查委员会批准。所有小组成员均同意对其回答进行匿名分析和汇总。
结果
德尔菲结果
Delphi专家组由81位专家组成。大多数为放射科医师(62/81,76.54%),其次为核医学科医师(8/81,9.88%)、肿瘤科医师(6/81,7.41%)以及数据科学或人工智能相关专家(2/81,2.47%)。在临床资历方面,79/81(97.53%)为副主任医师及以上级别。总体而言,75/81(92.59%)报告具有至少10年相关经验,其中49/81(60.49%)具有20年以上经验。主要实践和研究领域(允许多选)以肿瘤影像诊断(61/81,75.31%)和医学影像人工智能及影像组学研究(44/81,54.32%)为主。其他专业领域包括肿瘤分子影像(16/81,19.75%)、影像引导治疗或放射治疗(15/81,18.52%)、临床肿瘤诊疗(11/81,13.58%)以及多组学与转化医学(6/81,7.41%)。大多数专家组成员来自大学或学术型医院(68/81,83.95%),其余来自区域性医院(8/81,9.88%)、研究机构(4/81,4.94%)和其他机构(1/81,1.23%)。在地域分布上,专家组至少覆盖中国九个城市,包括北京和上海等主要中心城市。
所有30条陈述在第一轮Delphi中均达到预定的共识标准。所有陈述的平均同意评分为8.06至8.58分,评分≥7分的比例为86%至98%。无陈述需要修改,也无需进行额外的Delphi轮次。
最终共识陈述
关于人工智能在肿瘤影像中临床应用的最终共识陈述汇总于表1。这些陈述分为五个主题类别:早期肿瘤筛查、诊断评估与病灶特征分析、分期与治疗规划、治疗反应评估与预后预测,以及数据标准化、临床实施和未来研究方向。
总体而言,这些陈述反映了专家对人工智能在肿瘤影像工作流程中适当角色的共识,对模型开发和验证的关键方法学考虑,以及对安全有效临床采用的基本要求。
共识解读
本节通过将共识陈述归类为肿瘤影像中临床应用与实施的主要领域来进行解读。专家组一致认为,人工智能在早期检测与筛查、病灶分割与特征分析、分期与治疗规划以及治疗反应评估与预后预测等领域展现出特别的前景。同时,专家组强调,将其转化为常规实践需要强有力的支持性证据,包括前瞻性评估、多中心外部验证和真实世界性能监测。
肿瘤筛查与诊断评估
对于早期检测和筛查,共识支持将经过充分验证的人工智能模型作为决策支持工具,协助放射科医生提高筛查效率和灵敏度。在此背景下,越来越多的证据表明,AI辅助的图像判读可以提高工作流程效率,同时保持与传统专家工作流程相当的诊断效能。基于人群的筛查性乳腺X线摄影中的前瞻性评价表明,在配对阅片者非劣效性研究设计中,AI系统作为独立第二阅片者实施时,其癌症检出率不劣于双放射科医生阅片,同时提高了工作流程效率和可及性,尤其是在放射资源有限的环境中 [14, 15]。应用于非增强计算机断层扫描(CT)的深度学习模型也报告了类似的发现,对常规采集图像进行基于AI的分析能够灵敏地检测出胰腺癌等恶性肿瘤,支持了在资源受限环境中开展机会性筛查方法的可行性 [16]。
共识进一步强调,诊断性AI的发展应鼓励整合多模态影像数据,并明确指出,对于核心临床任务——包括诊断、分子亚型分类和风险预测——提倡将影像组学特征与深度学习衍生特征相结合,以增强模型的稳定性、泛化性和生物学可解释性。此外,在筛查应用之外,基于无创影像的评估在精心选择的临床场景中已显示出明确的临床效用,可作为侵入性组织取样的补充替代方案,特别是在活检存在禁忌、技术困难或带来不可接受并发症风险的情况下。多中心研究表明,深度学习模型ThyNet可在超声上区分甲状腺结节的良恶性,并可能有助于在不影响诊断准确性的前提下减少不必要的活检 [17]。同样,将MRI特征与基因组数据整合用于胶质瘤分级的研究 [18],或将基于CT的影像组学与液体活检相结合用于胆囊癌的无创鉴别 [19],展示了AI将放射学表型解读为具有生物学意义的见解的潜力,从而支持精准肿瘤学和肿瘤异质性的表征 [11]。
自动化或半自动化的分割方法,特别是与专家审核相结合时,可能有助于减少主观性并提高肿瘤影像研究的可重复性。因此,标准化、可审计的病灶分割和特征提取构成了稳健的下游诊断建模、预后预测和定量治疗反应评估的基础性、不可省略的步骤。手动勾画感兴趣区劳动强度大且易受观察者间变异性的影响,限制了临床转化中的可重复性和可扩展性 [20–22]。在此背景下,基于深度学习的自动化和半自动化分割方法可提高一致性和效率。基于U-Net架构及其变体的方法,如nnU-Net [23],已在肿瘤区域提取中显示出稳健的性能,可减少对手动标注的依赖,同时有助于最大限度地减少观察者间变异性 [24, 25]。
该共识进一步肯定了多模态整合和数据高效学习策略(如自监督预训练、少样本自适应和合成数据增强)对于病变表征的关键价值,尤其是在以标注数据集有限、罕见肿瘤亚型或临床金标准稀疏为特征的资源受限环境中。通过协同融合互补的结构成像(如CT、MRI)和功能成像(如PET、DCE-MRI、DWI)信息,多模态方法可显著提高病变勾画的准确性、鉴别诊断的可信度以及具有生物学信息的表征能力。例如,在肝细胞癌中,当CT表现不明确时,来自PET的代谢信息可能有助于病变勾画,而CT则可能有助于定位PET上识别的低代谢坏死区域。然而,当前方法往往仍缺乏对跨模态交互和分辨率特异性特征的有效建模,使得PET–CT融合成为一个活跃的研究领域,旨在进一步改善肝脏病变分割[26]。与此同时,弱监督学习和迁移学习方法已在数据有限的场景(如儿童髓母细胞瘤)中显示出自动分割的可行性,支持了关于罕见癌症和有限数据设置的相应共识声明[27]。
癌症分期与治疗计划
在关于分期的共识声明中,AI被确认为一种具有临床价值的辅助工具,可提高基于TNM的肿瘤评估中评估者间一致性和解剖学精细度,尤其是对于具有挑战性的判断,如头颈部癌症的包膜外侵犯、肝细胞癌的微血管侵犯以及跨模态的淋巴结转移表征。传统分期系统高度依赖视觉图像判读,容易受到观察者间变异性的影响。相比之下,AI模型可从多模态成像(包括CT、MRI和PET–CT)中提取定量特征,以支持对原发肿瘤范围、淋巴结受累和远处转移(DM)进行更标准化的评估。支持AI辅助T分期的证据已在多种肿瘤类型中报道。在直肠癌中,早期深度学习模型侧重于肿瘤深度的二分类,而更新的多平面框架(例如基于Faster R-CNN的模型,整合轴位、矢状位和冠状位T2加权MRI)已能实现T1–T4全分期范围的区分,从而提高了分期分辨率和可重复性[28–30]。
该共识还强调,淋巴结评估和远处转移(DM)预测是AI可能在分期和治疗决策中提供额外价值的关键领域。准确的淋巴结状态评估仍是治疗计划和预后的关键决定因素。在早期非小细胞肺癌(NSCLC)中,部分患者术中可检出隐匿性纵隔淋巴结转移,往往需要对辅助治疗策略进行非计划性调整 [31–35]。共识强调,将淋巴结形态学特征与PET–CT代谢信息相结合的AI模型可能有助于克服基于大小标准的局限性。例如,有报道称,一种基于Faster R-CNN的MRI应用模型能够快速、准确地检测淋巴结转移,与人工评估相比缩短了判读时间 [36]。类似地,基于CT的AI模型已证明可无创预测喉癌隐匿性淋巴结转移,有望支持风险适应性监测策略 [37]。
专家组还一致认为,AI在早期检测和预测远处转移(DM)方面具有潜在价值,这对于优化晚期癌症的结局至关重要 [38]。虽然全身影像学在转移评估中发挥核心作用 [39–41],但骨显像等方式的判读仍因空间分辨率有限和主观判读而具有挑战性。端到端多任务深度学习(DL)方法(如基于U-Net的架构)已被探索用于直接从全身影像数据(如骨显像)预测临床结局,从而实现自动病灶检测和解剖定位 [42]。值得注意的是,多项研究表明,AI模型可仅利用原发肿瘤影像衍生的特征来预测远处转移。基于影像组学的模型(例如,采用LASSO–Cox回归构建并纳入影像组学列线图的MRI影像组学标签)已证明在预测局部晚期直肠癌远处转移和指导辅助化疗决策方面具有可行性 [43]。一种基于CT的深度学习影像组学模型采用预训练DenseNet特征提取器和随机森林分类器,并结合临床信息,已被证明可预测乳腺癌远处转移,并将网络衍生的特征识别为潜在生物标志物 [44]。
然而,该共识也强调,全自动的、肿瘤特异性的TNM分期系统尚不能用于常规临床实践。目前的局限性包括:依赖训练数据的质量和规模、标注过程费时费力、多中心数据集之间存在异质性、模型输出的可解释性有限,以及以回顾性、单中心验证研究为主,同时还有尚未解决的伦理和监管挑战 [45–47]。因此,目前AI应主要定位为分期的辅助工具,更广泛的临床整合将需要前瞻性验证、可解释性的改进以及更有力的多中心证据。
在关于治疗规划的共识声明中,人工智能(AI)被认为与局部治疗规划(尤其是外科肿瘤学)和全身治疗选择均相关。近几十年来,外科肿瘤学中AI相关研究的增长反映了人们对其在支持术前规划和术中引导方面潜力的兴趣日益增加[48, 49]。基于AI的图像分析可能有助于勾画肿瘤边界及其与周围解剖结构的空间关系,从而支持更精确的手术规划[50]。
然而,专家组指出,手动分割仍然效率低下且容易出现不一致,凸显了在手术规划和术中引导中对自动化方法的需求[51]。目前,基于AI的分割在不同应用目标之间的成熟度差异很大。虽然AI在器官水平分割方面已显示出相对较高且稳定的性能,但其对实体瘤分割的准确性仍不稳定,国际基准挑战中已有性能差距记录[50]。在此背景下,使用基于V-Net算法的血管分割进展代表了一种相对更成熟的应用,可能有助于改善术前对肿瘤-血管关系的评估,特别是在肝脏介入治疗中[52]。同样,术中AI辅助导航和超分辨率成像技术已在选定临床场景中显示出增强手术可视化和操作安全性的潜力[53, 54]。增强现实集成系统已被证明在特定手术场景中可实现较高的分割精度和亚毫米导航误差,从而在明确界定的条件下支持个体化手术规划和切缘控制[55]。这些发现支持AI辅助手术规划的潜力,但尚未形成广泛临床部署的统一就绪度。
在化疗和靶向治疗方面,共识强调了AI驱动的治疗推荐系统,这些系统整合影像组学、基因组学和电子健康记录(EHR)数据以支持个体化治疗选择。通过结合分子生物标志物分析治疗前和治疗后的影像特征,AI模型可能有助于预测治疗反应并尽量减少过度治疗。例如,来自18F-FDG PET/CT的深度学习(DL)衍生影像评分已显示出能够非侵入性预测非小细胞肺癌(NSCLC)中表皮生长因子受体(EGFR)突变状态,从而为靶向治疗方案与免疫治疗方案之间的选择提供依据[56]。同样,整合影像学、病理学和临床数据的基于Transformer的多模态模型已在预测人表皮生长因子受体2(HER2)阳性胃癌对靶向和免疫治疗策略的反应方面显示出前景[57]。总体而言,这些研究支持共识观点,即AI可能在局部治疗和全身治疗背景下均有助于改善治疗规划,尽管在常规采用之前仍需要持续的方法学改进和前瞻性临床验证。
治疗反应评估与预后预测
在关于治疗反应评估的共识声明中,AI被视为传统影像学评估标准的一种潜在有用的辅助工具,尤其是在基于静态大小评估可能不足的临床场景中。实体瘤疗效评价标准(RECIST)1.1版仍然是评估实体瘤治疗反应最广泛使用的标准 [58, 59]。然而,专家组一致认为,基于RECIST的大小测量在应用于基于免疫检查点抑制剂的治疗时存在固有局限性。特别是假性进展(PP)——肿瘤大小短暂增加后随后缩小——可能被误分类为真正的疾病进展,从而可能导致有效治疗的过早终止 [60, 61]。
为应对这些挑战,已提出免疫特异性反应标准,包括免疫相关反应标准(irRC)[62]、免疫相关RECIST(irRECIST)[63, 64]和免疫RECIST(iRECIST)[65]。尽管iRECIST引入了未经确认进展的概念,但共识指出,针对非靶病灶动态变化的定量标准仍然不足。此外,PP与真正进展之间的明确区分往往依赖于活检,而活检受限于操作的有创性和取样的变异性 [66]。
在此背景下,共识支持开发基于AI的无创方法,用于动态和定量的疗效评估。通过从肿瘤相关感兴趣区域提取高维特征,基于影像组学的模型已证明在预测接受免疫治疗的非小细胞肺癌(NSCLC)患者的超进展性疾病和治疗反应方面具有可行性 [66],并且在预测前庭神经鞘瘤立体定向放射外科治疗后的放射外科术后PP和长期肿瘤结局方面也显示出可行性 [67]。这些研究提供了证据,表明AI驱动的影像分析可支持跨多种肿瘤类型的动态、数据驱动的治疗策略调整。
共识还强调,多模态和纵向整合是改善疗效评估的重要方向。整合PET、CT及融合PET/CT图像影像组学特征的模型已被证明可提高晚期NSCLC治疗疗效的预测性能 [68]。同样,将临床变量与CT衍生的影像组学特征相结合的模型在预测免疫检查点阻断治疗反应方面已显示出中等到较高的准确性 [69]。在转移性黑色素瘤中,无创PET/CT影像组学与血液学参数相结合已成为早期区分PP和真正进展的有前景的生物标志物,有可能减少不必要的毒性反应或延迟的治疗调整 [70]。
专家组进一步指出,新出现的证据支持整合影像、分子和临床数据的综合多模态策略。例如,将基于纵向MRI的空间栖息地影像组学与转录组学和单细胞RNA测序数据相结合的模型已证明在预测乳腺癌病理学完全缓解方面具有可行性,且模型输出与免疫细胞浸润模式相关 [71]。这些发现与相应的共识声明一致,同时也表明此类方法仍处于探索阶段,在常规使用之前需要进一步的前瞻性验证。
在与预后预测相关的共识声明中,AI被视为一种有前景的工具,可在传统的人群水平估计之外实现个体化风险分层。TNM等肿瘤分期系统因其简便性和广泛的临床适用性,仍然是预后评估不可或缺的手段[72]。然而,在精准肿瘤学时代,传统分期框架的局限性日益受到认识,促使人们呼吁采用AI辅助方法以减少观察者间变异并增强个体化风险分层[73]。
通过整合多维影像和临床数据,AI有潜力将预后评估从人群水平估计转向个体化结局预测。研究表明,基于CT的影像组学可预测肝内胆管癌的早期复发,并在与临床变量结合时支持生存预测[74]。同样,将MRI衍生的影像组学特征与深度学习架构相结合的模型显示出在预测早期口腔和口咽鳞状细胞癌隐匿性颈部淋巴结转移方面的潜力,从而为手术决策提供信息,并可能避免相当比例患者的过度治疗[75]。
该共识进一步强调扩展特征提取和多模态整合是预后建模的关键方向。在胶质母细胞瘤中,整合免疫相关长链非编码RNA特征、影像组学特征和临床因素的多模态框架相较于单模态方法展现出更优的预测性能,其中影像组学特征反映了免疫细胞浸润和肿瘤免疫微环境的特征[76]。在高级别浆液性卵巢癌中,基于瘤周影像组学特征的预后模型实现了对铂类化疗反应预测的改进,凸显了生境分析和瘤周区域特征的价值[77]。
基于生境的影像组学已成为预后研究中反复出现的方法学主题。例如,利用术前CT数据构建的基于K均值聚类的生境模型已被开发用于预测非肌层浸润性膀胱癌的术后复发风险,其影像衍生的评分与肿瘤间质比相关[78]。此外,将临床变量与肿瘤亚区域影像组学特征相结合的列线图在预测免疫相关不良事件方面显示出良好的性能[79]。总体而言,这些研究支持共识观点,即AI可通过更具个体化和生物学信息的风险建模来加强预后评估,尽管更广泛的临床采用仍将取决于稳健的验证、可解释性和工作流程层面的评估。
方法学与转化方面的挑战
在涉及数据标准化、隐私保护、可解释性和临床转化的共识声明中,专家组将数据可获取性和标注确定为癌症影像中稳健AI模型开发和部署的基础性障碍。训练监督式AI模型通常需要大量高质量的标注数据,然而在肿瘤学领域,获取全面且具有代表性的数据集仍然有限。在许多肿瘤相关应用中,病理学结果被用作参考标准;然而,获取此类标签成本高且有创,且常受限于有限的可用性和保存难题。此外,接受活检的患者与在筛查中未行干预而接受管理的患者之间的预后差异可能给模型训练引入系统性偏倚。除选择偏倚外,临床实践中收集的肿瘤影像数据集可能存在与机构、人口统计学特征、疾病谱和图像采集相关的不平衡。这些不平衡可能导致模型在不同中心、扫描设备、肿瘤亚型或临床相关患者群体间的性能不一致。因此,模型验证应在可行时纳入相关患者亚组的评估,并同时报告总体性能指标。
手动图像标注在许多研究中仍然常见,其劳动密集且本质上具有主观性,导致AI模型的可重复性和可扩展性降低 [80–82]。这些挑战在多模态和多组学建模中进一步加剧,因为增加输入数据的多样性可能增强模型表达能力,但同时会减少样本量、增加复杂性并限制泛化能力。因此,共识强调需要采取在数据丰富性与可行性和稳健性之间取得平衡的方法学策略。
即使AI模型在内部验证中展现出较强的性能,过拟合仍是一个持续存在的担忧,常导致在前瞻性或外部测试中性能下降 [83]。为应对数据数量和多样性方面的局限,跨机构协作已被广泛倡导 [83, 84]。然而,专家组认识到,此类协作会带来与数据隐私、安全和治理相关的重大挑战。
从技术角度来看,联邦学习已成为无需直接共享数据即可进行协作模型训练的重要策略 [85]。然而,各机构间成像设备、采集方案和人群特征的异质性可能损害模型的收敛性和稳定性。差分隐私方法通过噪声注入保护患者信息 [86, 87],但可能进一步模糊临床相关特征(如微钙化),从而降低诊断敏感性 [88]。
法律和伦理方面的考量带来了额外的复杂性。不同监管框架下数据匿名化要求的不一致——包括欧盟《通用数据保护条例》和美国《健康保险携带和责任法案》——给跨境数据交换带来了合规风险 [89, 90]。即使在国家层面的多中心研究中,伦理审查委员会之间标准的不一致也经常延误数据共享和项目实施 [91, 92]。专家小组进一步指出,生物数据(如基因组信息)具有固有的、永久性的可识别性,增加了二次滥用(包括基因歧视)的风险,因此与影像数据相比,其共享实践更为受限 [91]。
该共识进一步将模型可解释性和泛化性确定为安全且可扩展的临床转化的主要先决条件。模型可解释性仍是癌症影像人工智能临床采纳的核心挑战。尤其是深度学习(DL)模型,其特点是高度复杂且透明度有限,这与医疗决策的要求相冲突,并削弱了临床医生的信任 [93, 94]。即便是基于影像组学的方法,尽管其更贴近可解释特征,也仍需仔细说明以确保临床相关性。充分的可解释性可确保放射科医生及相关临床从业人员能够理解模型关注的核心内容,评估其建议的临床可信度,发现可能的失效模式,并在临床情况需要时调整或否决模型输出。这些标准在专家监督的临床工作流程中具有重要分量,因为人工智能旨在辅助而非取代临床决策。目前已提出多种可解释性技术来应对这些问题。诸如SHapley加性解释(SHapley Additive exPlanations)等特征归因方法已被广泛应用于机器学习(ML)模型,以量化单个特征的贡献 [95–97]。对于深度学习架构,包括类激活映射(Class Activation Mapping)和梯度加权类激活映射(Gradient-weighted Class Activation Mapping)在内的可视化解释技术常被用于高亮影响模型预测的图像区域 [98–101]。基于文本和基于示例的解释策略也已在特定临床背景下得到探索。然而,专家组一致认为,目前尚无单一的可解释性框架被确立为医学图像分析的标准,可解释性仍是一个不断发展的研究领域 [98, 102, 103]。
泛化能力不足被确定为临床转化的另一主要障碍。成像硬件、采集参数和患者人群的变异性可能使模型在训练域之外应用时性能大幅下降。更隐蔽的是,针对常见肿瘤表型优化的模型可能无法识别罕见亚型或混合病理特征,从而引入系统性误分类的风险。因此,该共识强调评估跨肿瘤类型和亚组稳健性的重要性,而非仅依赖总体性能指标 [104]。综合来看,这些挑战凸显了癌症影像人工智能的进展不仅取决于模型性能,还取决于数据质量、隐私感知协作、可解释性以及跨机构、跨人群和跨疾病亚型所展现的稳健性。
临床实施与工作流程整合
为促进这些建议的实际转化,图3总结了一个基于共识的实施框架,涵盖癌症影像中医疗AI开发与部署的全生命周期。该框架旨在突出AI工具从开发迈向真实世界临床应用时应考虑的主要领域。专家组一致认为,AI在癌症影像中的成功临床实施不仅取决于算法性能,还需要与真实世界的临床工作流程相协调。尽管学术界对医学AI的兴趣持续增长[105],但临床医生和公众对于AI可能取代医生的担忧依然存在[106, 107]。然而在实践中,AI系统不太可能独立运作,必须嵌入经过严格验证、透明且受临床监督的框架中。
在该实施框架内,标准化和证据生成被视为临床采用的核心前提。将AI模型转化为常规诊疗需要完整的开发流程,包括稳健的外部验证,并在适当时开展前瞻性或随机临床研究[108]。在临床实施后,AI工具需要持续监测,以检测数据偏移和性能漂移。此类偏离可能源于成像设备、扫描方案、重建算法、转诊趋势、患者人口学特征和临床实践模式的变化。一旦发现具有临床意义的性能下降,应有标准化方案来规范模型重新校准、再训练、暂时停用或临床退役。影像组学研究在可重复性方面受到特别关注,促使各方努力标准化影像组学流程的组成部分(如卷积滤波器定义),以支持临床验证和监管审批[109, 110]。尽管如此,影像组学工作流程的关键阶段仍存在显著差异,包括图像采集、特征提取与选择、模型构建和验证策略[111, 112]。因此,该共识强调标准化是推进临床采用的关键优先事项[80]。
与现有临床信息系统的兼容性以及更广泛的数字基础设施就绪程度被确定为实现过程中的主要挑战。许多基于AI的解决方案与医院基础设施的整合仍然不佳,限制了其实际效用[113]。需要可互操作、高性能的数据通信系统,将异构的影像、实验室、病理和电子健康记录(EHR)数据转化为可操作的临床资源[114]。目前,大多数机构在肿瘤AI工具与核心临床系统之间缺乏无缝整合。
成功实施还取决于人为因素和组织准备情况,而不仅仅是技术本身。临床医生常报告对AI工具熟悉程度有限,并对决策自主权的丧失以及与AI相关错误有关的潜在法律责任表示担忧[113–115]。此外,缺乏直观、用户友好的界面阻碍了在繁忙临床环境中的应用。最后,AI驱动的临床工作流程的部署和维护需要对信息技术基础设施和专业人员进行持续投入,这给医疗系统带来了额外的财务和组织负担[116]。
除传统的判别式AI模型外,生成式AI(如大语言模型和多模态基础模型)代表了一种新兴技术,在癌症影像工作流程中具有潜在用途,特别是在文档和报告支持、信息综合以及人机交互方面[117]。然而,当前大多数应用仍处于探索阶段,尚未在自主临床角色中被广泛采用。幻觉、隐私和安全问题、偏见与公平性以及问责不清等关键风险,要求在日常使用前进行严格的评估、治理和部署后监测。因此,虽然生成式AI未纳入30条核心共识声明中,但此处将其作为一个需要谨慎、循证转化的新兴方向加以强调。
综合而言,这些考虑表明,成功实施所需的不仅仅是模型准确性本身;还取决于标准化、临床验证、可互操作的基础设施、以人为中心的工作流程设计以及持续的组织支持。只有通过系统性的标准化、透明的验证以及对临床工作流程的深思熟虑整合,AI才能实现其作为癌症影像诊疗中可靠且可持续组成部分的潜力。
结论
AI正日益应用于癌症影像的筛查、诊断、分期、治疗计划、治疗反应评估和预后预测。通过改良Delphi流程,本专家共识总结了当前证据以及多学科专家就AI在癌症影像中的适当临床角色、方法学考虑和实施挑战达成的共识。通过明确机遇与局限的领域,本共识旨在支持AI安全、标准化且负责任地转化为临床癌症诊疗。
补充信息
电子补充材料
引用
- Wu, Yin, Cheng, et al. Chinese expert concern and consensus on applications of artificial intelligence in clinical cancer imaging. Insights Imaging. 2026. PMID: 42496805. doi:10.1186/s13244-026-02359-5
- 全文:PMC13400512(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13400512/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。