《中国恶性肿瘤学科发展报告（2021）》——肿瘤人工智能未来展望篇

肿瘤人工智能 

中国抗癌协会肿瘤概述

智能肿瘤学的技术创新主要集中在深度学习算法、数据挖掘分析、自然语言处理、模式识别等方面。临床肿瘤学中的应用体现于肿瘤大数据分析、肿瘤的预防与筛查、早诊早治、基于图像识别技术的针对肿瘤影像学和病理学数据的辅助诊疗系统和预后预测模型的建立、智能放疗、智能手术机器人的应用和新药智能筛选平台等方面，同时包括智能肿瘤学技术的卫生技术评估、隐私安全策略、伦理与法律以及人才培养等。 

1.国内外研究现状及问题

近年来，人工智能在医学研究中的应用不断深入，与人工智能相关的肿瘤领域研究文献数量逐年增加。其中，美国是文献数量最多的国家，且文章被引率一直高于世界平均水平，这些研究机构多为广泛的大学（系统内设有医学院或医学中心）和从事癌症研究的专业医疗机构，为跨学科合作研究创造了良好条件，具有很强的影响力。 中国在出版物数量上排名第二，与美国相比，虽然有国家政策文件支持，研究非常活跃，研究成果增长迅速，医学人工智能技术也有一定的储备，但仍然存在研究课题的跨机构合作不足，被引论文率较低。在研究方向上侧重于现有技术的应用研究，存在底层基础技术和突破性技术研究薄弱问题。 要进一步深入人工智能与肿瘤的交叉研究，推进智能肿瘤学的学科发展，需要加强高校、科研机构与医疗卫生机构的合作。高校、科研机构提供技术研究，深入探索基础核心理论和技术，为智能肿瘤学研究提供方法基础；医疗卫生机构提供数据，加强临床问题和应用场景的提炼，为智能肿瘤学研究提供方向和平台。

2.最有前途的肿瘤人工智能应用方向

肿瘤人工智能的潜在应用之一是设计新的抗癌疗法或至少指导此类疗法的发展，以降低失败率和缩短批准时间。已有相关文献报道，某些类型的神经网络（例如自编码器）能够学习表示具有特定活性的分子集合，并生成具有相似活性的新结构。肿瘤人工智能还可用于准确预测抗癌分子的作用机制，从而使临床前和临床定位变得精确，增加临床成功的可能性。同样，肿瘤人工智能也可以用来预测有效的药物组合，随着抗癌药物数量的持续增长，这已经成为一个复杂的组合问题。在病理诊断方面，人工智能算法可以与最好的病理学家一样优秀，因为它们是通过学习最好的病理学家所沉淀的数据训练出来的。因此它们可以辅助病理学家，提高诊断效率和准确性。

3.智能肿瘤学研究中的医学可解释性

在多种多样的智能肿瘤学相关研究中，人工智能模型的医学可解释性问题，目前仍然未有突破性的研究。尽管可解释性和确定性在机器学习系统方面是一个宽泛的方向，但在肿瘤人工智能领域，其核心是能够对所预测的结果给出合理的医学依据，能够符合肿瘤学、生物学等基础医学研究的基本理论。 根据相关文献的报道，智能肿瘤学可解释性研究的可能方向大致可以分类为以下三个层面：（1）知识表达的可视化、结构化、和语义化。（2）对网络模型的预测结果给出定量的评测和解释。（3）通过无监督或弱监督学习将知识表达简化为可解释的图模型表达，并基于语义层面可解释的图模型，进行“中间层对端”的训练、学习和表达。

4.从单模态建模跨向多模态融合分析

在医疗数据中，常见的不同模态有影像数据、波形数据、文本数据、生物组学数据等。目前，智能肿瘤学的相关研究更多仍然是单一模态数据的分析和建模，缺乏多模态、多来源数据的有效综合应用。首先，同时具备患者的检查检验信息以及生物组学信息等多模态数据的有效样本少，基因组学信息通常尚未整合到医疗机构的信息系统中，而测序公司有大量的测序数据但没有患者的相应的临床资料，所以目前的大多数研究都是基于小样本建立诊断预测模型。 其次，检验数据可能因为检验仪器设备不同而引起标准不同，影像数据存在着设备的品牌不同导致所采集的医学影像间存在差异，生物组学数据不同的样本处理方式及测序平台也不能直接进行比较分析。 再次，尽管越来越多针对多模态或跨模态医学数据融合算法的研究，但还未成熟，多模态数据的有效融合，仍然会是未来很长一段时间的智能肿瘤学研究热点和难点。

5.肿瘤人工智能短期和长期的未来方向

短期内会有越来越多肿瘤人工智能相关的对癌症患者临床效用的前瞻性研究，进而对使用人工智能技术辅助和无人工智能技术辅助情况下的工作效能进行评估。而从更长期来看，肿瘤人工智能的相关研究和应用将根据每个患者的个体差异来识别优化疗效和安全性的组合疗法及其剂量。利用人工智能识别有前途的靶点，设计足够疗效且毒性有限的新型分子，开发新型抗癌药物等只是时间问题。

总结

智能肿瘤学作为新兴的医工交叉学科，整体研究的发展还正处于起步阶段。虽然针对肿瘤的筛查、诊断、治疗、预后、随访等环节的融合研究越来越多，也越来越深入，不少相关研究成果已经能够获得高水平科研平台的认可，但仍然存在许多尚未完善的问题和缺陷，如不具备医学可解释性、性能还达不到临床应用标准等，这些问题都需要不断的深入研究和进一步探索。

【主编】

徐    波   重庆大学附属肿瘤医院

【副主编】

田    捷   中国科学院自动化研究所

步    宏   四川大学华西医院

陈    明   中山大学肿瘤防治中心

孟祥飞   国家超级计算天津中心

宋咏梅   中国医学科学院肿瘤医院

【编委】（按姓氏拼音排序）

陈万青   中国医学科学院肿瘤医院

陈建平   贵州省肿瘤医院

李    艺   重庆大学

林    博   重庆大学附属肿瘤医院

刘雅洁   北京大学深圳医院

伍一菡   重庆大学

熊晓敏   重庆大学

杨维斌   重庆大学附属肿瘤医院