近期，医学顶级期刊CA（IF=224）在线揭橥题为“Artificial intelligence in cancer imaging: Clinical challenges andapplications”的综述，该文章提出了：只管迄今为止评估肿瘤学中AI运用的大多数研究尚未得到有效再现性和普遍性的有效验证，但结果确实突出了越来越多的努力将AI技能推向临床运用并影响着未来癌症护理发展方向。

诊断作为医学的核心原则之一，依赖于多层数据与细微决策的整合。
癌症诊疗为医疗决策供应了独特的背景，不仅要考虑到疾病进展的多样化形式，还要考虑到患者的个体状况以及接管治疗的能力和对治疗的反应。
只管技能有所改进，但癌症的准确检测，表征和监测仍存在寻衅。
疾病的放射学评估最常日依赖于视觉评估，这一点可以通过高等打算剖析来增强。
特殊是人工智能（AI）有望在临床年夜夫对癌症成像的定性阐明方面取得重大进展，包括随韶光推移肿瘤的体积描述，从其放射学表型推断肿瘤基因型和生物学过程，预测临床结果，并评估疾病和治疗对临近器官的影响。
AI可以使图像的初始阐明中的过程自动化，并且改变放射线摄影检测的临床事情流程，管理决定是否管理干预，以及随后不雅观察到尚未设想的范例。
在这里，作者回顾了运用于癌症医学成像的AI确当前状态，并描述了4种肿瘤类型（肺癌，脑癌，乳腺癌和前列腺癌）的进展，以解释如何办理常见的临床问题。

提高临床照顾护士效率的欲望连续推动多项创新实践，包括人工智能。
随着对医疗保健做事的需求不断增加以及每天产生的大量数据，临床事情流程的优化和简化变得越来越主要。
AI善于识别图像中的繁芜图案，因此供应了将图像阐明从纯粹的定性和主不雅观任务转换为可量化且绝不费力地再现的任务的机会。
此外，AI可以量化人类无法检测到的图像信息，从而补充临床决策。
AI还可以将多个数据流聚合成功能强大的集成诊断系统，涵盖放射线图像，基因组学，病理学，电子康健记录和社交网络。

在癌症成像中，AI在实行3个紧张临床任务中具有很大的实用性：肿瘤的检测，表征和监测。
检测是指放射线照片中感兴趣工具的定位，统称为打算机赞助检测（CADe）。
基于人工智能的检测工具可用于减少不雅观察性轻忽，并作为初步筛选以防止遗漏缺点.在模式识别环境中制订，具有可疑成像特色的区域被突出显示并呈现给阅片者。
CADe已被用作赞助助手，用于识别低剂量CT筛查中遗漏的癌症，可检测MRI中的脑转移，以改进放射学阐明韶光，同时保持高检测灵敏度，将乳腺钼靶检讨中的微钙化簇定位为早期乳腺癌的指标。

除了成像之外，同时开拓了其他微创生物标志物用于癌症诊断和疾病的纵向追踪。
最值得把稳的是，液体活检或从肿瘤细胞开释的循环肿瘤DNA（ctDNA）的剖析供应了进入癌症当前和动态状态的窗口，并许可跟踪疾病进展或回归并监测可靶向或涌现的情形。
近乎实时的抗药干系癌症突变。
因此，可以想象液体活检与放射组学剖析相结合，可以通过癌症生物学的非侵入性表征显著改进癌症治疗，从而更准确地评估预后和实际情形。
为精确医学目的进行韶光疾病监测。
在诊所内，上述AI干预方法有望增强其各自目前的标准照顾护士对应物。
除了为临床年夜夫供应赞助信息外，多方努力还证明了AI在事情流程的临床决策阶段的实用性.基于AI的集成诊断，将分子和病理信息与基于图像的研究结果相结合将增加丰富对调查结果的聪慧层面，终极产生更明智的决策。

随着人工智能的力量和潜力越来越多地得到证明，人工智能仍有多个方向转变为常规临床实践的可能。
对付成像剖析，AI方法的准确性和预测能力须要显著改进，并且如果他们准备取代临床年夜夫事情流程，则须要比对照研究中的人类专家更好或更好的证明。
这显示了几种疾病状况的初步承诺，但须要在医学，技能职员和物理学家的前瞻性试验和教诲中进一步证明临床效用，以便广泛利用.包含疾病干系成分和无关成分的综合数据集和结果的整理也将有助于培训和扩展人工智能系统，以应对癌症本身以外的风险。
在环球环境中，专家临床年夜夫访问受限或打仗不常见病症，AI可能会供应疾病阐明方面的“专家”履历。
相反，在没有人类专家供应的基本事实的情形下预测结果的策略可能会毁坏当今临床年夜夫和患者熟习的传统事情流程.此外，人工智能在监测卫生资源和结果方面的增加可能会提高效率并降落本钱。
与任何新的创新技能一样，开拓的可能性会超出了当前的想象。

原文链接：

https://onlinelibrary.wiley.com/doi/full/10.3322/caac.21552