AI技术有望变革癌症患者护理，但与任何新技术一样，需要标准化的评估方法来确保其适用性。
为此，欧洲医学肿瘤学会(ESMO)制定了一份新的指南文件，概述了用于癌症诊断、预后和治疗选择的基于人工智能的生物标志物的验证和临床使用的最低要求。
据该组织称，刚刚发表在《肿瘤学年鉴》上的《欧洲医学肿瘤学会肿瘤学中基于人工智能的生物标志物基本要求》(EBAI)指南提供了"将AI衍生生物标志物安全、可信且有效地整合到癌症护理中的首个全面指南"。
在上个月的ESMO年会上，该学会还发布了关于在临床实践中使用大型语言模型(LLMs)的指南，以帮助患者、临床医生和机构负责任地使用ChatGPT等工具，用于教育和患者支持、医疗提供者决策支持和文档记录，以及从电子健康记录中提取数据。
"AI系统可以作为生物标志物，因为它们能够分析复杂、多维度的数据，以预测疾病特征和临床结果，包括癌症患者的治疗反应，"ESMO真实世界数据与数字健康工作组副主任、该指南的作者之一Jakob Kather解释道。
"随着AI技术日益渗透到肿瘤学领域——从病理学、影像学到基因组学和电子健康记录——迫切需要确保基于AI的生物标志物在用于指导治疗决策前满足严格的验证标准，"他继续说道。
"尽管有数百篇论文和数十种产品使用AI来测量生物标志物，但一直缺乏概念框架，也没有关于如何验证和使用它们的指南。这正是EBAI旨在提供的。"
EBAI引入了三类生物标志物，每类都有量身定制的验证要求，从一致性研究到回顾性和前瞻性临床试验。
A类使用与标准生物标志物/检测相同的输入数据来量化现有生物标志物，而B类涵盖作为已知生物标志物间接测量的AI系统，通常用于筛查。
"想象一下使用AI在组织病理学切片上对数十万患者进行筛查，然后仅用分子检测确认阳性结果，"法国Villejuif古斯塔夫·鲁西研究所的主要作者Mihaela Aldea评论道。
"这是一种可扩展、具有成本效益的方法，可以应用并产生全球影响，"她补充道。
最后，C类包含直接在临床结果上训练的新型AI衍生生物标志物，分为C1（预后）和C2（预测性）两类。
希望EBAI将成为监管讨论、临床实施策略和行业开发工作的起点。
"这是关于找到正确的平衡——避免因不信任而延误进展，但也避免不加思考的过度依赖，"Aldea说。"为此，尊重质量标准至关重要。"
【全文结束】
