人工智能技术在肺癌系统性诊断治疗中的应用与思考

岳其东 张志强

摘要：在近50年以来，肺癌的发病率及死亡率剧增。人工智能技术通过分析基于CT及数字病理图像，可以缩短诊疗时间，提高诊断的敏感性及准确性。也可以辅助制定治疗方案，促进治疗同质化、标准化，预测患者预后，评估治疗效果，为肺癌的诊断治疗提供了新思路。本文将针对人工智能技术在肺癌影像学及病理学诊断、治疗方案制定、疾病预后情况预测中的应用及前景进行综述。

关键词：肺癌;肺恶性肿瘤;人工智能;AI;诊断;治疗

1.人工智能技术概述

人工智能，是基于计算机科学，模拟人类思考及处理方式的技术，通过不同实现方法，涉及多个学科领域及研究范畴。1997年“深蓝”的计算机首次在比赛中战胜了国际象棋世界冠军。2016年“阿尔法狗”计算机又以大比分战胜阿国际围棋大师李世石。人工智能的优异表现令人印象深刻。现今人工智能在医学中广泛应用，可以针对多种疾病，建立不同处理模型，形成分析能力。

2.人工智能技术于肺癌诊断中的应用

肺癌的诊断主要依靠影像学及病理学诊断，人工智能应用于影像学可做到早发现并分析危险程度。而通过肺癌患者的痰培养、胸水培养、支气管刷取细胞、支气管镜及胸部穿刺活检以及术后病理诊断可以为肺癌诊断进一步提供可信依据。

2.1.基于CT影像技术的人工智能技术在肺癌诊断中的应用。

CT的广泛应用，促进了肺癌的早期确诊、早期干预。同时也给我国影像医师带来了巨大的负担，CT漏诊误诊时有发生。人工智能针对CT图像的深入学习，可以在短时间针对胸部CT图像汇报肺结节的个数及相应危险程度。基于MASOOD及其他相关技术应用常规单源CT诊断肺癌，准确率已达80%以上，而对肺癌的分期诊断中的准确率更是能达到75%以上。随着双能融合120kVp图像技术的应用，人工智能技术可以进一步增加检出敏感度，减少假阳性率。

2.2.基于病理技术的人工智能技术在肺癌诊断中的应用。

数字病理学的发展，将病理切片数字化并通过计算机进行图像分析成为了可能。人工智能技术于病理技术的结合将彻底革新病理诊断的方式，大大增加病理诊断的准确度及阳性率，减少病理诊断时间。人工智能技术可以广泛的应用于细胞学诊断及组织学诊断。在细胞病理学中应用Teramoto及其他相关技术可以使肺腺癌诊断准确度达89%，肺鳞癌的诊断准确度达60%，小细胞癌的诊断准确度达70.3%。是总准确度达70%以上。而应用generative adversarial networks技术可以进一步提高细胞病理诊断的准确度。而针对组织病理学的肺癌诊断，基于大数据及人工智能学习软件，可以将组织圖像进行准确分类并判断肺癌类型。帮助病理科医师更迅速的诊断肺癌分型，显著减少医师疏漏。

3.人工智能技术于肺癌治疗中的应用

中国肺癌高发，而在不同地区及医院，因治疗理念差异，治疗方法不尽相同。人工智能技术可以提取患者年龄、性别、血液检查结果、影像图片及病理图片资料数据，基于肺癌治疗大数据分析患者个体化资料，并为不同的患者计算个体化的治疗方案。为规范临床医师治疗，帮助医师依据临床信息制定适合病情的治疗方案。人工智能技术还可以基于术后病理活检图像，利用技术模型辅助预测患者术后生存期及复发率，为患者下一步治疗提供方向。针对肺癌的免疫治疗疗效，基于CT图像的人工智能技术可更加全面高效的预测PD-1抑制剂的疗效，优于传统RECIST标准。人工智能技术可以广泛的应用于肺癌治疗的方案指定、评价肺癌术后预后情况及免疫治疗的疗效，标准化治疗过程，提高治疗水平。

4.人工智能技术在肺癌诊疗过程中的应用前景

信息互联互通将是未来的趋势。我国人口众多，肺癌发病率高，未来将建立强大的肺癌单病种数据库，而数据库的积累也会提升人工智能技术在肺癌诊断方面的准确性，辅助制定更加个体化的治疗方案。人工智能技术将更多的应用于基层医疗系统，促进我国分级诊疗制度的完善，为更多肺癌患者尤其是偏远乡村基层的患者提供优质服务。

5.总结

人工智能技术已广泛的应用于肺癌诊疗的各个环节。在未来也将更加广泛的服务于信息化医疗，提高肺癌患者的生存时间和生活质量。

参考文献：

[1]MASOOD A，SHENG B，LI P，et al.Computer-Assisted Decision Support System in Pulmonary Cancer detection and stage classification on CT images[J].J Biomed Inform.2018.79：117-128.

[2]Teramoto A，Tsukamoto T，Yamada A，et al.Deep learning approach toclassification of lung cytological images：Two-step training using actual and synthesized images by progressive growing of generative adversarial networks[J]. PLoS One，2020，15（3）：e0229951.

[3]张逊. 人工智能辅助肺癌诊疗一体化解决方案的临床实践与展望[J]. 中国胸心血管外科临床杂志，2019，26（12）：1167-1170. DOI：10.7507/1007-4848.201910037

[4]宋冬冬，朱晓明，朱丽娟， 等.双能CT融合图像在人工智能肺结节筛查中检测效能的探索研究[J].中国医疗设备，2021，36（2）：73-76. DOI：10.3969/j.issn.1674-1633.2021.02.018.

[5]杨舒一，单飞，施裕新， 等.晚期肺癌免疫治疗现状及影像学疗效评价和预测[J].中国临床医学，2019，26（4）：641-646. DOI：10.12025/j.issn.1008-6358.2019.20190089.