人工智能（AI）通过增强决策能力、改善患者护理和简化运营流程，正在变革肿瘤学领域，同时应对数据准确性和公平性方面的挑战。这是田纳西肿瘤学（Tennessee Oncology）在“社区肿瘤学技术创新”会议上的发言者们所提到的观点。
人工智能真的能在日常实践中让肿瘤学家的生活更轻松吗？关于AI准确性、技术采用方式以及谁来支付费用的问题至关重要，尤其是考虑到电子健康记录（EHRs）兴起时实践中的失望经历。
田纳西肿瘤学的高级医学主任兼肿瘤学家穆兰吉博士（Samyukta Mullangi, MD, MBA）主持了一场讨论，探讨了AI是否现在对社区肿瘤学有意义。讨论小组成员包括：
- 阿塔拉西斯AI（Ataraxis AI）首席执行官兼联合创始人扬·维特科夫斯基博士（Jan Witkowski, MD, PhD），该公司利用生物标志物评估癌症如何演变，并基于特定治疗预测结果；
- 因美纳（Illumina）市场准入高级总监约翰·福克斯博士（John Fox, MD, MHA），该公司开发基因组测序工具，并与Tempus AI合作创建下一代NGS；
- 阿斯利康（AstraZeneca）价值导向伙伴关系高级总监哈桑·纳克维博士（Hassan Naqvi, PhD），该公司开发基于结果的协议，包括纳入患者报告结果（PROs）。
穆兰吉博士首先请小组成员讨论将AI作为肿瘤实践中的“副驾驶”会是什么样子。
维特科夫斯基表示，AI在当今实践中的价值源于其技术的演进。AI已经从被动阶段发展到主动阶段，能够回答更复杂的问题，且需要较少的人工干预。分子测试可以回答单一问题，而阿塔拉西斯则使用多模态数字数据，不仅能找到答案，还能选择问题。“最大的转变是你不再需要明确告诉它你在寻找什么，”他说。
现代AI可以处理多种数据源，他说，这可以通过自动检查最新论文并标记国家综合癌症网络（NCCN）更新来识别护理差距，且无需具体提示。
纳克维补充道，在阿斯利康，人们认识到最大化AI的价值不仅需要与技术公司建立一对一的关系，还需要整个医疗生态系统——包括支付方、提供方和政策制定者之间的合作。社区肿瘤学实践在这一过程中至关重要，因为它们提供了大部分患者护理。“因此，从AI的角度来看，制药公司和社区肿瘤学的利益是一致的，那就是最大化对患者的影响。”
AI有很大的潜力解放医生的时间，用于高价值任务。但他指出，实现这一目标意味着要公平地分配技术。
“一个真正具有前景的方面是计算能力的民主化，”他说。与其由个人费力地从数据中获取洞察，不如让计算能力完成这些任务。
纳克维表示，今天的AI为改善患者体验提供了解决方案。他引用了斯坦福大学乔纳森·陈博士（Jonathan Chen, MD, PhD）的研究，该研究训练了一个AI系统处理数千条患者信息，能够标记出最紧急的信息，从而将响应时间从数小时缩短至8到13分钟。
他认为，从业务角度让医疗保健的不同参与者协调一致将加速AI的普及。“我们都在同一条泳道中游泳——我们如何团结起来使之成为可能？这就是基础设施赋能革命将发挥作用的地方，帮助拼凑起这些碎片，”纳克维说。
福克斯将AI的潜力与未兑现的EHR承诺进行了比较。他表示，EHR在数据聚合方面做得不错，但并不一定帮助医生更好地照顾患者。“我的工作是让医生为患者提供更好的护理，而这正是AI的目标，”他说。“AI的承诺是将生成的数据和信息转化为知识和智慧，形成一个金字塔，以帮助更好地照顾患者。”
他指出，AI早期的应用集中在运营效率上并不令人意外。“但真正的问题是，”福克斯说，“医生会用这些额外的时间做什么？”
AI能否观察不同的实践模式并识别出哪些护理差异会导致不良结果？穆兰吉问，AI能否在资源丰富和资源匮乏的环境中做到这一点？福克斯表示，第一步是更多地跟踪基本的质量指标，例如非小细胞肺癌的基因组测试率。没有这些数据，“我们不知道今天花费在药物上的数十亿美元中，哪些是最有效的”一线治疗多发性骨髓瘤或三线治疗结直肠癌。
AI有潜力汇总数据并回答这些问题。“我认为这才是真正的潜力所在，”福克斯说。
一位观众询问AI在区分不同患者群体方面的表现如何，他指出20多岁和70多岁的患者的癌症表现和治疗决策并不相同。尽管人们对AI的偏见存在担忧，但纳克维解释了技术如何揭示这些偏见。AI系统曾对相同的胸痛症状给出不同建议：男性胸痛建议急诊，女性胸痛则建议止痛药，这突显了实践中存在的历史偏见。“这就是人类的宝贵之处，”他说。
维特科夫斯基则更加乐观，认为如今庞大的AI数据集可以通过持续更新基于近期患者结果来更准确地回答问题。他表示，EHR集成仍然不完美，但在过去20年里已经有了很大进步。“在未来五年内，你将开始看到一些工具，它们不仅基于路径处理，列出NCCN指南并将其映射到从EHR中提取的患者数据，还可以实际根据真实结果训练模型。”
一位观众回忆说，美国临床肿瘤学会（ASCO）试图从手动图表审查转向电子数据提取时，癌症分期的报告合规率从100%降至27%。虽然护理质量并未下降，但AI无法胜任这项任务。他说，除非每个人都正确报告数据，否则肿瘤学将面临“垃圾进，垃圾出”的局面。
纳克维对此表示赞同，并表示跨机构的数据标准化仍然是一个挑战。然而，随着AI的进步，它将降低运营成本，采用的惰性也会减少。他说，支付方应在推动向AI转型的资金支持方面发挥带头作用。
这就引出了一个问题：谁从AI中受益？
福克斯表示，这是一个重要问题。他指出，AI有机会在新疗法之间进行头对头比较，而临床试验通常针对标准护理进行测试。但观众成员询问AI是否足够可靠完成这项任务，以及制药公司是否会施加影响输入数据以影响决策。
依赖AI推荐是否赋予了机器权力？“这不是医学，”一位医生说。
纳克维表示，AI必须始终是一种工具，而不是更多；只有医生具备临床背景来做出决策。如何检查AI的准确性以及谁来做这些决定将是所有人关心的重要问题。“你如何验证谁来验证这些信息？”他问。“从我的角度来看，这是所有人的责任，所以我们需要开始像医疗保健生态系统的联盟一样思考。”
(全文结束)
