（UroToday.com）2025年美国临床肿瘤学会泌尿生殖系统癌症（ASCO GU）研讨会于加利福尼亚州旧金山举行，会上进行了主题演讲。美国癌症协会（ACS）首席科学官William Dahut博士讨论了如何通过科技创新来改善以患者为中心的护理。
Dahut博士强调了ACS的综合方法，包括在美国范围内提供超过5.17亿美元的癌症研究资助，在全美50个州各级政府进行倡导活动，以及影响超过20,000个社区的患者支持服务。
ACS推出了EDS加速器资助项目，旨在资助产品商业化（如药物、诊断）所需的关键实验。目前，该项目仅限于ACS资助的研究人员申请，每项资助最高可达75,000美元，采用滚动提交方式，每月评审一次，每月资助一个项目。
此外，ACS还启动了催化剂资助项目，2024年仅此一项就颁发了超过300万美元的20项资助，分布于19个机构。
ACS特别关注资助那些高风险前列腺癌患者及前列腺癌死亡率较高的群体，包括少数族裔。这些举措属于癌症健康公平研究中心（CHERC）。自2021年以来，ACS已授予八项CHERC资助，总额达3270万美元。
ACS致力于培养下一代癌症研究人员，为高中、大学学生及研究学者提供培训机会，旨在建立一个多元化和包容性的研究社区，确保那些缺乏机会的人最终能成为该领域的未来合作者。
Dahut博士提到了ACS发布的年度报告，指出2025年的关键发现：女性癌症发病率上升，男性发病率下降，种族之间的癌症死亡率差异依然存在。
他还引用了一项COVID时代的研究，该研究考察了按种族和民族划分的男性PSA检测率。研究发现，只有25%的男性接受了PSA测试，这凸显了前列腺癌筛查和早期检测方面的显著差距。
随后，他将重点转向泌尿生殖系统（GU）癌症，讨论了ACS当前的资助努力。目前，ACS正在支持至少部分涉及GU癌症的76项资助，其中2.97亿美元专门用于该领域的研究。
由于前列腺癌在死亡率上的显著差异、发病率的上升以及晚期疾病患者的增加，尽管死亡率改善趋于平稳，ACS优先考虑了前列腺癌的临床试验入组计划。聚焦前列腺癌可以为更明确的患者群体提供针对性解决方案，因为这种癌症只影响成年男性，许多治疗前列腺癌的医生也管理其他泌尿生殖系统恶性肿瘤，从而扩大影响范围。通过集中精力于单一肿瘤类型，ACS旨在改进临床试验参与的有效策略，并推广成功的做法到整个肿瘤学领域。
前列腺癌发病率随时间增加，主要由区域性和局部疾病驱动，这突显了改善早期检测和管理策略的需求。值得注意的是，黑人患者的死亡率仍然最高，这表明结果中的种族差异持续存在，需要有针对性的干预措施来解决这些不平等现象。
在前列腺癌患者中，美国印第安人/阿拉斯加原住民面临显著的差异，包括生活在农村地区，获得肿瘤学护理的机会有限，被诊断为更晚期、高风险疾病的概率更高。只有38%的人被诊断为局限性前列腺癌，他们接受确定性治疗的可能性较低，导致较差的癌症生存结果。这些差异强调了迫切需要针对这一人群的早期检测、治疗获取和整体癌症护理的改进措施。
有大量证据表明，前列腺癌临床试验中缺乏多样性。在涉及893,000名参与者的70项III期随机试验中，19%未报告种族或民族数据，96%的参与者是白人。值得注意的是，来自加勒比和非洲的个体明显不足。这种缺乏多样性限制了试验结果的普遍性，强调了需要更具包容性的入组策略，以确保前列腺癌治疗的公平进展。
前列腺癌临床试验入组的障碍因机构类型而异，学术中心的机会多于社区站点。虽然55%的患者在被提供试验时会接受，但接受率在种族之间没有显著差异。拒绝入组的原因包括实际障碍（成本、时间、交通）和哲学上的担忧（不信任、厌恶随机化）。为了解决这些问题，ACS CAN专注于克服后勤挑战，ACS推出了前列腺癌临床试验社区扩展资助，以提高试验的可及性和参与度。
人工智能（AI）在预临床靶点和药物发现、影像和病理分层、预后和临床预测方面具有初步影响，最终改善患者护理。它还有望减少医疗保健差异，增加高质量治疗的获取。最近的ASCO出版物强调了AI整合到前列腺癌护理中可以增强临床决策，改善早期检测，并实现个性化治疗策略。在转移性前列腺癌中，AI辅助量化转移负担是一个活跃的研究领域，具有重大潜在益处。
Dahut博士讨论了Artera AI模型，该模型帮助临床医生和患者做出个性化的治疗决策。初始研究利用了来自五个III期随机试验的5,000多名患者的数据，这些试验涉及美国和加拿大的100多个中心，具有长期随访。该模型作为预后和预测工具，有助于指导临床决策。他强调，这项技术有可能改变前列腺癌治疗的方法。
然后，他讨论了一项利用IMmotion 151试验的转录组学数据来预测JAVELIN肾癌101试验结果的研究。通过机器学习，该研究旨在确定RCC亚型对治疗结果的影响，突显了AI驱动方法在优化治疗选择和改善患者分层方面的潜力。
病理学预计是AI在未来几年内产生最大影响的领域之一。Dahut博士简要介绍了ACS资助的出版物，该出版物引入了临床组织病理学影像评估基础（CHIEF）模型，这是一种新型弱监督机器学习框架，用于癌症诊断和预后预测。他强调了选择适当AI技术的重要性，并指出ACS资助的以患者为中心的AI补助金将继续在创新进程中发挥关键作用。
Dahut博士指出，ACS自1950年代以来一直在进行队列研究，为癌症预防研究做出了重要贡献。在过去70年中，ACS领导了一些世界上最大的前瞻性流行病学队列研究，以识别癌症风险因素，包括烟草与癌症之间的里程碑式关联。这些癌症预防研究生成了大量有价值的数据。他强调了使这些数据更易访问和实用的必要性，并说明了AI在其中的重要作用。
Dahut博士讨论了一个与埃默里大学合作开发的共享数字病理资源，该资源不仅关注癌组织，还检查良性区域。这一举措导致了HiPS的开发，这是一个使用CPS-II、CPS-3和PLCO研究中的数字化肿瘤组织图像创建的新AI工具。HiPS是第一个结合癌细胞和非癌细胞模式以预测侵袭性乳腺癌结果的工具。它分析26种属性，生成总体预后评分，以及癌细胞、免疫细胞和基质细胞的个别评分。值得注意的是，HiPS在预测患者结果方面的准确性优于传统方法，为个性化治疗规划提供了潜在应用。
另一个重要的AI应用是在数据抽象中，解决了需要处理的大量信息。ACS癌症预防研究正在验证一个AI驱动平台，旨在加速高质量图表抽象，使研究能够在更大规模和更快的速度上进行。该平台提取约70个数据元素，已经处理了1,500多份图表，准确率达到98%-100%，匹配或超越人类表现。值得注意的是，AI将数据抽象所需的时间从几个月缩短到几个小时，大大提高了研究效率。
他讨论了一项评估腺瘤检测率的研究，这是结直肠癌的一个关键预测指标。在结肠镜检查中检测腺瘤对于癌症预防至关重要。AI通过引入CADe警报框实现实时识别息肉，彻底改变了这一过程。以前，结肠镜检查没有标准化的质量控制，但现在AI增强了检测准确性和预测能力，有助于识别更可能恶变的息肉。
研究表明，腺瘤和息肉的检测率随着一天时间的推移而下降，可能是由于操作者疲劳。较晚的结肠镜检查与腺瘤检测率显著下降有关（早vs晚：13.73% vs 5.70%；P=0.005；OR，2.42；95% CI，1.31-4.47）。然而，借助AI系统，无论何时进行检查，腺瘤检测率或息肉检测率均未下降。这些发现表明，AI可以减轻时间和工作量相关的结肠镜检查质量下降，确保一致的检测率。
在乳腺癌中，88,844名筛查女性中，使用AI工具分流至MRI的女性每1,000次MRI检查中癌症检出率为64.4例。召回后进行MRI的个体阳性预测值（PPV）为38%，进行活检的个体为50.7%，这表明AI在提高分流准确性并优化乳腺癌筛查方面具有潜力。
尽管AI有望改善患者护理，但临床应用仍面临重大障碍。人们担心临床医生和患者对AI系统的信任以及建立这种信任所需的条件。尽管AI技术迅速发展，但其性能常常被过度承诺。临床整合的关键挑战是如何将机器学习干预纳入临床试验和医疗实践指南。
Dahut博士总结了他的演讲，呼吁我们放大彼此的人性，优先考虑患者和护理人员，并致力于我们的工作卓越。
(全文结束)
