癌症作為一種自我維持和適應性過程，與其微環境動態相互作用，研究人員和臨床醫生儘管在理解其生物學基礎方面取得了重大進展，但癌症依舊對患者帶來很大的痛苦。鑒於這種複雜性，在癌症管理的每個階段都會出現困境，包括可靠的早期檢測;準確區分腫瘤前和腫瘤的病變;手術治療期間浸潤性腫瘤邊緣的測定;跟蹤腫瘤演變和隨時間推移對治療的潛在獲得性抵抗;和預測腫瘤侵襲性，轉移模式和復發。醫學成像和微創生物標誌物的技術進步有望應對癌症檢測，治療和監測領域的這些挑戰。然而，對這些進步產生的大量數據的解釋帶來了一系列新的潛在挑戰。
近期，醫學頂級期刊CA（IF=224）在線發表題為「Artificial intelligence in cancer imaging: Clinical challenges andapplications」的綜述，該文章提出了：儘管迄今為止評估腫瘤學中AI應用的大多數研究尚未得到有效再現性和普遍性的有效驗證，但結果確實突出了越來越多的努力將AI技術推向臨床應用並影響著未來癌症護理髮展方向。
診斷作為醫學的核心原則之一，依賴於多層數據與細微決策的整合。癌症診療為醫療決策提供了獨特的背景，不僅要考慮到疾病進展的多樣化形式，還要考慮到患者的個體狀況以及接受治療的能力和對治療的反應。儘管技術有所改進，但癌症的準確檢測，表征和監測仍存在挑戰。疾病的放射學評估最通常依賴於視覺評估，這一點可以通過高級計算分析來增強。特別是人工智慧（AI）有望在臨床醫生對癌症成像的定性解釋方面取得重大進展，包括隨時間推移腫瘤的體積描繪，從其放射學表型推斷腫瘤基因型和生物學過程，預測臨床結果，並評估疾病和治療對鄰近器官的影響。AI可以使圖像的初始解釋中的過程自動化，並且改變放射線照相檢測的臨床工作流程，管理決定是否管理干預，以及隨後觀察到尚未設想的範例。在這裡，作者回顧了應用於癌症醫學成像的AI的當前狀態，並描述了4種腫瘤類型（肺癌，腦癌，乳腺癌和前列腺癌）的進展，以說明如何解決常見的臨床問題。
提高臨床護理效率的願望繼續推動多項創新實踐，包括人工智慧。隨著對醫療保健服務的需求不斷增加以及每天產生的大量數據，臨床工作流程的優化和簡化變得越來越重要。AI擅長識別圖像中的複雜圖案，因此提供了將圖像解釋從純粹的定性和主觀任務轉換為可量化且毫不費力地再現的任務的機會。此外，AI可以量化人類無法檢測到的圖像信息，從而補充臨床決策。AI還可以將多個數據流聚合成功能強大的集成診斷系統，涵蓋放射線圖像，基因組學，病理學，電子健康記錄和社交網絡。
在癌症成像中，AI在執行3個主要臨床任務中具有很大的實用性：腫瘤的檢測，表征和監測。檢測是指放射線照片中感興趣對象的定位，統稱為計算機輔助檢測（CADe）。基於人工智慧的檢測工具可用於減少觀察性疏忽，並作為初步篩選以防止遺漏錯誤.在模式識別環境中制定，具有可疑成像特徵的區域被突出顯示並呈現給閱片者。CADe已被用作輔助助手，用於識別低劑量CT篩查中遺漏的癌症，可檢測MRI中的腦轉移，以改善放射學解釋時間，同時保持高檢測靈敏度，將乳腺鉬靶檢查中的微鈣化簇定位為早期乳腺癌的指標。
除了成像之外，同時開發了其他微創生物標誌物用於癌症診斷和疾病的縱向追蹤。最值得注意的是，液體活檢或從腫瘤細胞釋放的循環腫瘤DNA（ctDNA）的分析提供了進入癌症當前和動態狀態的窗口，並允許跟蹤疾病進展或回歸併監測可靶向或出現的情況。近乎實時的抗藥相關癌症突變。因此，可以想像液體活檢與放射組學分析相結合，可以通過癌症生物學的非侵入性表征顯著改善癌症治療，從而更準確地評估預後和實際情況。為精確醫學目的進行時間疾病監測。在診所內，上述AI干預措施有望增強其各自目前的標準護理對應物。除了為臨床醫生提供輔助信息外，多方努力還證明了AI在工作流程的臨床決策階段的實用性.基於AI的集成診斷，將分子和病理信息與基於圖像的研究結果相結合將增加豐富對調查結果的智慧層面，最終產生更明智的決策。
隨著人工智慧的力量和潛力越來越多地得到證實，人工智慧仍有多個方向轉變為常規臨床實踐的可能。對於成像分析，AI方法的準確性和預測能力需要顯著改進，並且如果他們準備取代臨床醫生工作流程，則需要比對照研究中的人類專家更好或更好的證明。這顯示了幾種疾病狀況的初步承諾，但需要在醫學，技術人員和物理學家的前瞻性試驗和教育中進一步證明臨床效用，以便廣泛使用.包含疾病相關因素和無關因素的綜合數據集和結果的整理也將有助於培訓和擴展人工智慧系統，以應對癌症本身以外的風險。在全球環境中，專家臨床醫生訪問受限或接觸不常見病症，AI可能會提供疾病解釋方面的「專家」經驗。相反，在沒有人類專家提供的基本事實的情況下預測結果的策略可能會破壞當今臨床醫生和患者熟悉的傳統工作流程.此外，人工智慧在監測衛生資源和結果方面的增加可能會提高效率並降低成本。與任何新的創新技術一樣，開發的可能性會超出了當前的想像。
原文連結：
https://onlinelibrary.wiley.com/doi/full/10.3322/caac.21552