AI在胃肠道肿瘤学中的价值正日益清晰，近期进展已充分印证这一点。在结直肠癌中，MSIntuit算法可直接从常规苏木精-伊红（H&E）染色切片中检测微卫星不稳定性，灵敏度达96–98%（*Nat Commun.* 2023;14:6695）；同时，已有深度学习模型被开发用于从胃癌治疗前CT影像中预测淋巴结转移（*eClinicalMedicine.* 2024;75:102805）。

在ESMO胃肠道癌症大会2026上发言的专家表示，该领域正在进入一个新阶段——临床价值正被证明与技术性能同等重要。

手术AI超越解剖识别

日本东京科学大学的Marie Hanaoka博士表示，该领域正朝着“结果关联型智能”方向发展，即手术期间AI衍生的测量数据与有临床意义的患者预后相关联，而不仅仅是识别解剖结构或手术流程。

Hanaoka展示了使用AI平台EUREKA X的概念验证数据，该平台可量化机器人直肠癌手术中疏松结缔组织的保留情况。在一项包含44名患者的匹配病例对照研究中，AI测得的组织保留程度与术后排尿功能障碍相关。当结合患者年龄时，该模型的曲线下面积达到约0.81。

Hanaoka指出，未来的AI系统可在手术过程中提供实时反馈。她表示：“手术AI不再仅仅关乎识别准确率。我们必须问，这些AI信息对我们的患者是否有意义。”展望未来，Hanaoka总结道：“未来不是AI对抗外科医生，而是AI增强的外科医生。”

看见CT所不能见

类似的演进也发生在图像引导介入领域。德国慕尼黑大学附属医院的 **Max Seidensticker** 教授介绍了MRI引导的间质近距离放疗如何扩展对不适合热消融的肝肿瘤的治疗选择。MRI引导使临床医生能够观察到CT上通常不可见的病灶。他引用穆罕默德·阿里的话说：“眼睛看不到的，拳头也打不着”，强调了精准可视化对导管精确置入的重要性。

在前瞻性MR BRIGHT研究（*Z Gastroenterol* 2025; 63(01): e45）中，MRI引导的近距离放疗在局部无复发生存率方面显著优于CT引导治疗（95.1%对比79.9%；p=0.027），同时大幅降低了健康肝组织的低剂量辐射暴露（15%对比43%）。展望未来，Seidensticker描述了机器学习算法如何加速MRI图像重建并减少伪影，使实时MRI引导在介入过程中日益实用。

从有前景的算法到临床工具

病理学可能是AI从研究走向常规临床实践最为明显的领域。

法国巴黎索邦大学的Magali Svrcek教授将AI描述为四种发展趋势共同作用的产物：不断扩大的生物标志物谱、日益增加的病理工作量、数字病理学的广泛采用以及持续存在的诊断差异。这些趋势共同将病理切片从显微镜下观察的对象转变为“定量生物学数据的来源”。

Svrcek介绍了ESMO关于基于AI的肿瘤学生物标志物的基本要求（EBAI）（*Ann Oncol.* 2026;37(3):414–430），并解释算法如何从标准化现有生物标志物，发展到直接从H&E切片预测分子改变，最终发现全新的生物标志物。她还强调了新兴模型能够识别何时不应做出预测（*Ann Oncol.* 2026;37(7):974-985）。

对于Svrcek而言，“真正的挑战不是展示算法的技术性能或稳健性，而是展示其临床价值。”展望未来，她总结道：“病理学的未来不是AI取代病理学家，而是将病理学家转变为复杂生物学数据专家，为精准医学和患者照护服务。”

（素材来自：ESMO 2026 智算芯能前沿网综合）

本文由智算芯能前沿网编辑整理，转载请注明出处。