神刊CA2019年首篇重磅综述文章 AI和肿瘤：临床挑战与应用
癌症作为一种自我维持和适应性过程，与其微环境动态相互作用，研究人员和临床医生尽管在理解其生物学基础方面取得了重大进展，但癌症依旧对患者带来很大的痛苦。鉴于这种复杂性，在癌症管理的每个阶段都会出现困境，包括可靠的早期检测；准确区分肿瘤前和肿瘤的病变；手术治疗期间浸润性肿瘤边缘的测定；跟踪肿瘤演变和随时间推移对治疗的潜在获得性抵抗；和预测肿瘤侵袭性，转移模式和复发。医学成像和微创生物标志物的技术进步有望应对癌症检测，治疗和监测领域的这些挑战。然而，对这些进步产生的大量数据的解释带来了一系列新的潜在挑战。
2019年2月5号，医学顶级期刊CA（IF=224）在线发表题为“Artificial intelligence in cancer imaging: Clinical challenges andapplications”的综述，该文章提出了：尽管迄今为止评估肿瘤学中AI应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技术推向临床应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提供了独特的背景，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受治疗的能力和对治疗的反应。尽管技术有所改进，但癌症的准确检测，表征和监测仍存在挑战。疾病的放射学评估最通常依赖于视觉评估，这一点可以通过高级计算分析来增强。特别是人工智能（AI）有望在临床医生对癌症成像的定性解释方面取得重大进展，包括随时间推移肿瘤的体积描绘，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邻近器官的影响。AI可以使图像的初始解释中的过程自动化，并且改变放射线照相检测的临床工作流程，管理决定是否管理干预，以及随后观察到尚未设想的范例。在这里，作者回顾了应用于癌症医学成像的AI的当前状态，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，以说明如何解决常见的临床问题。
提高临床护理效率的愿望继续推动多项创新实践，包括人工智能。随着对医疗保健服务的需求不断增加以及每天产生的大量数据，临床工作流程的优化和简化变得越来越重要。AI擅长识别图像中的复杂图案，因此提供了将图像解释从纯粹的定性和主观任务转换为可量化且毫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，电子健康记录和社交网络。
在癌症成像中，AI在执行3个主要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对象的定位，统称为计算机辅助检测（CADe）。基于人工智能的检测工具可用于减少观察性疏忽，并作为初步筛选以防止遗漏错误.在模式识别环境中制定，具有可疑成像特征的区域被突出显示并呈现给阅片者。CADe已被用作辅助助手，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，以改善放射学解释时间，同时保持高检测灵敏度，将乳腺钼靶检查中的微钙化簇定位为早期乳腺癌的指标。
除了成像之外，同时开发了其他微创生物标志物用于癌症诊断和疾病的纵向追踪。最值得注意的是，液体活检或从肿瘤细胞释放的循环肿瘤DNA（ctDNA）的分析提供了进入癌症当前和动态状态的窗口，并允许跟踪疾病进展或回归并监测可靶向或出现的情况。近乎实时的抗药相关癌症突变。因此，可以想象液体活检与放射组学分析相结合，可以通过癌症生物学的非侵入性表征显着改善癌症治疗，从而更准确地评估预后和实际情况。为精确医学目的进行时间疾病监测。在诊所内，上述AI干预措施有望增强其各自目前的标准护理对应物。除了为临床医生提供辅助信息外，多方努力还证明了AI在工作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智慧层面，最终产生更明智的决策。
随着人工智能的力量和潜力越来越多地得到证实，人工智能仍有多个方向转变为常规临床实践的可能。对于成像分析，AI方法的准确性和预测能力需要显著改进，并且如果他们准备取代临床医生工作流程，则需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，但需要在医学，技术人员和物理学家的前瞻性试验和教育中进一步证明临床效用，以便广泛使用.包含疾病相关因素和无关因素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。在全球环境中，专家临床医生访问受限或接触不常见病症，AI可能会提供疾病解释方面的“专家”经验。相反，在没有人类专家提供的基本事实的情况下预测结果的策略可能会破坏当今临床医生和患者熟悉的传统工作流程.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低成本。与任何新的创新技术一样，开发的可能性会超出了当前的想象。
