AI如何重塑2025 ASCO肿瘤诊疗？

2025年被广泛认为是AI在肿瘤学领域从“概念验证”走向“临床实用”的关键一年，在ASCO上，不再是单纯展示算法的优越性，而是更多地聚焦于如何将AI真正整合到临床工作流中，解决实际问题，并探索其未来的应用模式。

以下是2025年ASCO上AI领域的几个核心主题和代表性研究：

核心主题一：医学影像分析（Radiomics & Deep Learning）

这是AI在肿瘤学中应用最成熟、最受关注的领域，2025年的ASCO展示了大量利用AI分析CT、MRI、病理切片等影像数据的研究，主要目标是实现精准诊断、疗效预测和预后评估。

亮点研究：

1. 预测免疫治疗疗效：

   • 研究概述： 多项研究展示了AI模型通过分析治疗前的CT影像，能够预测患者对PD-1/PD-L1抑制剂（如Keytruda, Opdivo）的反应。
   • 代表成果： Memorial Sloan Kettering Cancer Center (MSKCC) 的团队发表了一项重要研究，他们开发的深度学习模型可以分析非小细胞肺癌患者的CT影像，识别出肉眼无法察觉的、与肿瘤微环境相关的影像特征,从而以高准确率预测哪些患者会对免疫治疗产生持久应答。
   • 意义： 这有助于避免无效治疗和相关的副作用，实现“精准免疫”,让对的患者用上对的药。

2. 早期癌症筛查与检测：

   
   （图片来源网络，侵删）
   • 研究概述： Google Health（谷歌健康）的研究团队展示了其AI模型在乳腺癌和肺癌筛查方面的突破性成果。
   • 代表成果（乳腺癌）： 在一项针对英国和美国超过25,000张乳腺X线片的研究中，谷歌的AI模型在减少假阳性（误判为癌症）和假阴性（漏诊癌症）方面，表现与资深放射科医生相当，甚至在某些情况下更优，当AI与医生共同审阅时,效果最佳。
   • 代表成果（肺癌）： 其肺癌筛查模型能从低剂量CT中准确识别出可疑的肺结节,其性能在独立数据集上超过了放射科医生的平均水平。
   • 意义： AI有望成为医生的“第二双眼”，提高筛查的效率和准确性,尤其是在资源匮乏的地区。

3. 病理切片分析（数字病理）：

   • 研究概述： AI在病理领域的应用主要是对数字化的病理切片进行分析，自动计数细胞、识别特定区域（如肿瘤边界、免疫浸润区域）。
   • 代表成果： 多家公司和研究机构展示了其AI系统，能够自动进行Ki-67（增殖标志物）计数、识别HER2阳性的乳腺癌细胞等，这不仅提高了诊断的一致性和效率,还能提供更客观的量化指标。
   • 意义： 病理诊断是癌症诊断的“金标准”，AI的介入使其从定性走向更精确的定量,为个性化治疗提供更强有力的依据。

核心主题二：电子病历与自然语言处理

除了影像，另一个巨大的数据宝库就是非结构化的电子病历和临床记录，2025年ASCO上,利用NLP从这些数据中挖掘价值的研究也备受关注。

亮点研究：

1. 自动提取临床试验资格信息：

   • 研究概述： 临床试验入组是癌症治疗的一大瓶颈，患者筛选过程耗时耗力，因为需要从复杂的病历中逐一匹配数十条入组/排除标准。
   • 代表成果： 多个团队展示了NLP模型，能够自动阅读和理解患者的电子病历，快速判断其是否符合某项临床试验的资格，Dana-Farber Cancer Institute 的系统可以显著缩短筛选时间,提高入组效率。
   • 意义： 加速新药研发进程,让更多符合条件的患者有机会接受前沿治疗。

2. 不良事件自动检测与分级：

   
   （图片来源网络，侵删）
   • 研究概述： 在临床试验和临床实践中，准确记录和分级药物的不良事件至关重要，但常常依赖于人工录入,存在延迟和遗漏。
   • 代表成果： 研究人员开发了NLP模型，可以自动扫描医生的病程记录、护理记录等，自动识别和分类不良事件（如恶心、呕吐、皮疹等），并按照CTCAE（不良事件通用术语标准）进行分级。
   • 意义： 提高药物安全性监测的实时性和准确性,为临床决策和药物监管提供更及时的数据支持。

核心主题三：临床决策支持与风险预测

AI模型整合了影像、病理、基因、临床等多维度数据,为医生提供更全面的决策支持。

亮点研究：

1. 多模态数据融合预测：

   • 研究概述： 单一数据源（如影像或基因）有其局限性，2025年的趋势是将多种数据源“融合”起来,构建更强大的预测模型。
   • 代表成果： 一个研究可能同时利用患者的CT影像特征、基因突变信息和血液标志物（如肿瘤标志物），来预测接受化疗的结直肠癌患者的复发风险,这种融合模型比任何单一模型都更准确。
   • 意义： AI正在帮助医生构建“全景视图”,实现真正意义上的个体化风险评估和治疗策略制定。

2. 实时临床决策支持：

   • 研究概述： AI不再仅仅是一个事后分析工具，而是开始尝试嵌入到临床工作流中,为医生提供实时建议。
   • 代表成果： 一些研究展示了“AI助手”，可以在医生开具处方时，实时提醒潜在的药物相互作用、基于患者基因信息的用药禁忌等。
   • 意义： 将AI从“研究工具”转变为“临床伙伴”，直接赋能一线医生,提升医疗质量和患者安全。

2025 ASCO AI领域的总结与展望

关键趋势：

1. 从“实验室”到“病床边”： 2025年的最大特点是，AI研究更加注重临床实用性和可解释性，研究者们不再只追求模型的准确率，而是开始思考：“这个模型如何帮助医生做决定？”“医生是否信任这个结果？”
2. 强调“人机协同”（Human-in-the-loop）： 主流观点认为，AI是增强医生能力的工具，而不是取代医生，最佳模式是AI提供初步分析、风险预警或候选方案,由经验丰富的医生进行最终判断和决策。
3. 数据整合成为关键： 未来的AI应用必然是多模态的，如何有效地整合来自影像、病理、基因组、电子病历等不同来源的异构数据,是构建强大模型的核心挑战。
4. 关注伦理与监管： 随着AI应用的深入，其伦理问题（如数据隐私、算法偏见、责任界定）和监管路径（FDA如何审批AI软件）也成为讨论的焦点。

回顾2025年，我们可以清晰地看到AI在肿瘤学领域的应用蓝图已经基本绘就，它正逐步渗透到癌症的预防、诊断、治疗、预后和随访的每一个环节，虽然距离大规模、标准化的临床应用还有距离，但2025年ASCO无疑为“AI+肿瘤学”的未来注入了强大的信心，预示着一个数据驱动、更加精准和高效的肿瘤诊疗新时代正在加速到来。

标签： 2025 ASCO AI肿瘤诊疗新进展 AI重塑2025 ASCO肿瘤治疗策略 2025 ASCO人工智能肿瘤诊断突破