人工智能如何加速癌症研究
美国癌症学会估计，仅2025年美国就有204万1910例新发癌症病例和61万8120例癌症死亡。这些数据凸显了癌症研究中"速度"的关键意义——研究流程每节省一个月，医生就能更早确认新型生物标志物、实现癌症早期检测，或开展效率更高的临床试验以更快获得结论。
人工智能并非癌症的治愈方案，也不能替代生物学研究、临床试验或监管流程。AI的核心价值在于加速癌症研究中原本耗时漫长的环节，尤其在处理海量数据集中的模式识别或人工审阅复杂文档等任务时效果显著。本文将阐述AI推动癌症研究提速的四种方式，分析各州癌症发病率数据，并探讨进展仍较缓慢的领域。本分析由生命科学协作平台Kivo创建。
"加速癌症研究"的实际内涵
癌症研究包含诸多缓慢环节：部分源于生物学特性，如解析癌症机制或验证因果关系；另一部分则涉及实际操作，例如标注病理切片、审阅医学影像，或通过阅读冗长的入组规则为患者匹配临床试验。当研究人员称AI"加速进程"时，通常指以下改进：
- 病理切片、医学影像及基因数据的更快分析
- 从大型公共数据集快速生成研究假设
- 缩短临床试验患者筛选时间
- 在符合安全规范的前提下加速医疗软件工具更新
总体而言，AI在重复性强、数据量大且高度结构化的任务中表现最佳。
1. 将病理切片转化为快速可复用的研究信号
病理学是癌症诊疗中数据最密集的领域。单张数字病理切片可能包含数十亿像素，传统规模化分析需耗费大量人工。近年来，研究人员开发出针对数字病理学的大型"基础模型"，这些模型经海量真实病理切片训练，可复用于多种任务。典型案例是《自然》期刊报道的Prov-GigaPath——一种开放权重全切片基础模型，在多项数字病理任务中达到顶尖水平。
其加速机制在于：
- 研究者可直接复用现有模型而非从零构建
- 自动化分析海量切片助力生物标志物发现与验证
- 专家得以专注于疑难病例和研究设计，而非重复性标注工作
科学论文现已将此类基础模型描述为加速诊断、预后判断及生物标志物预测的有效工具。
2. 通过预测蛋白质结构加速靶点发现
癌症药物研发通常始于生物靶点（多为蛋白质或通路）。要设计有效药物，科学家需理解蛋白质折叠与相互作用机制。2021年，深度思维(DeepMind)的AlphaFold技术展示了一种方法，能以极高精度预测蛋白质结构，包括传统实验难以攻克的未知结构案例。这一突破虽未"解决癌症"，却通过为众多蛋白质提供高质量结构假说，显著提升了早期生物学研究效率。
《自然》期刊分析指出AlphaFold已引发结构生物学生态系统的整体变革，下游科研活动出现可测量变化，证实结构信息获取速度明显加快。
对癌症研究的关键价值：
- 蛋白质结构的早期线索加速研究进程
- 实验规划更高效，节约时间与成本
- 结构数据助力解析癌症相关基因突变
可靠蛋白质结构的快速获取，使研究人员得以更快地将设想转化为实验，从而缩短癌症药物研发的初始阶段。
3. 加速向实用工具转化，尤其在癌症影像领域
研究转化为实用工具的重要体现是监管审批。美国食品药品监督管理局(FDA)公开列出了获准在美国使用的AI医疗设备，其中许多应用于医学影像领域——这在癌症筛查、检测与监测中至关重要。
该清单不代表所有工具均能改善诊疗效果，但表明AI正日益整合至受监管的医疗产品中。2025年8月，FDA发布"预定义变更控制计划"(PCCPs)指南，阐明AI工具获批后安全更新的规范。
速度提升的关键点：
- AI工具可标准化测量流程，减少人工影像审阅
- 明确规则使工具改进更便捷且保障安全性
- 实际应用产生的数据（在合规前提下）可反哺后续研究
随着更多AI工具通过审批进入临床，从研究到实际应用的路径将更短且可复制。
4. 加速临床试验匹配——最顽固的瓶颈环节
临床试验对改善癌症诊疗至关重要，但患者入组常极为缓慢。匹配过程需比对冗长复杂的入组规则与患者病历。
2024年，研究人员推出TrialGPT——一种基于大语言模型的患者-试验匹配方案。用户研究表明其将筛选时间缩短42.6%。美国国立卫生研究院公开总结该成果，强调该工具能识别相关试验并提供通俗版入组标准解读。
关键价值在于：
- 试验更快达到入组目标
- 患者更早获知适用试验
- 研究团队可将精力集中于患者照护而非文书工作
通过减少患者匹配所需时间与精力，AI既加速研究进程，又使患者更快获得潜在新疗法。
AI的局限与验证缓慢的原因
任何关于AI在癌症领域应用的严肃讨论都需包含对其局限性的认知。即使早期研究表现亮眼，实际应用仍受制于：
- 数据质量与代表性：基于有限人群训练的模型在其他场景可能失效
- 临床验证要求：肿瘤学领域风险极高，前瞻性验证耗时漫长
- 监管监督：即便采用PCCPs，迭代更新仍需预定义计划、持续监测及证据支持
- 人为因素：多数系统作为"人机协作"组成部分效果最佳，需重新设计工作流程。FDA强调良好的机器学习实践与透明度原则以保障安全使用。
对患者的意义：远超研究者的价值
癌症仍是主要死因。监测、流行病学和最终结果项目(SEER)报告显示，近年经年龄调整的癌症发病率达每10万人445.8例，死亡率为145.4例。
AI的真正价值不在于替代生物学突破，而在于加速"问题提出→确凿证据"的进程：
- 病理基础模型可减少任务适配的建模时间
- 蛋白质结构预测能加速上游发现与优先级排序
- AI医疗设备正形成向监管工具转化的增长管线
- TrialGPT等匹配系统可缩短筛查时间并连接患者与合适研究
对患者而言，这些速度提升意味着更早诊断、更精准治疗及更快参与临床试验——即使进步仍需谨慎推进。AI虽不改变对强证据、临床判断及监督的需求，却能消除长期阻碍癌症研究的延迟。逐步压缩发现、验证和入组环节的数月乃至数周时间，将显著提高新成果及时惠及患者的可能性——在生死攸关的时刻，每分每秒都至关重要。
【全文结束】
