全文概要
2026 年 11 月 16—18 日于柏林举行的 ESMO AI & Digital Oncology Congress 2026 上,两项研究显示,人工智能辅助肿瘤多学科会诊(MTB)可显著降低错误风险、提升决策一致性并节省时间。一项纳入 450 例乳腺癌、结直肠癌与肺癌患者的单中心非随机研究显示,AI 辅助 MTB 的 6 个月累计错误风险较无 AI 时降低 50%—60%;另一项用于肝门部胆管癌术前评估的智能体系统 ASTRA,将外科医生评估准确率从约 79% 提升至 90%—92%。

【开头配图Opening】


1. 从"信息汇总"到"决策辅助":AI 的多学科会诊价值

肿瘤多学科会诊(MTB)的挑战之一,在于需要从分散、异构的数据源中汇集并整理患者信息。MD 安德森癌症中心的 Caroline Chung 博士在评论中指出,人工智能可帮助聚合并协调这些信息,形成对患者更完整的理解,从而使多学科团队的时间与专业判断聚焦于精细化的诊疗决策与照护协调。

一项单中心、非随机研究纳入 450 例乳腺癌、结直肠癌与肺癌患者,将多个来源的非结构化数据整合为一致、连贯的患者摘要。结果显示,6 个月观察期内,AI 辅助 MTB 的累计错误风险为 14.0%,而无 AI 组为 28.3%,相对降低约 50%—60%;每例 AI 辅助患者平均节省约 6.5 分钟(28.1 分钟 vs 34.6 分钟)。

2. ASTRA:面向肝门部胆管癌的术前评估智能体

第二项研究开发并验证了一个名为 ASTRA 的智能体(agentic)系统,用于辅助肝门部胆管癌患者术前评估的多学科会诊。研究采用分阶段框架,包括阅片研究(无辅助 vs ASTRA 辅助)、外部验证与真实世界部署。

结果显示,该系统以 97% 的准确率提取了 21 项关键影像特征;在 ASTRA 辅助下,外科医生的评估准确率从约 79% 提升至 90%—92%,外科医生间的一致性显著改善(kappa 从 0.57 升至 0.86),评估时间约缩短一半。在真实世界使用中,准确率为 0.90(对照 0.72),术前会诊准备时间从约 8.5 分钟降至 4 分钟出头。

3. 审慎乐观:隐藏成本与自动化偏倚需警惕

尽管结果积极,专家仍提示需审慎解读。Chung 博士指出,现有研究对时间成本的剖析不足——"得出推荐结论"的时间虽缩短,但准备 AI 数据、审核验证输出、系统搭建与维护的"隐藏成本"可能压缩实际节省。此外,ASTRA 在外部中心的准确率为 0.81,意味着约五分之一的病例与专家共识不一致,提示需进一步评估与优化。

她还强调,外科医生在近 90% 的病例中接受了系统判断,这可能反映了合理的信任,也可能指向潜在的自动化偏倚风险。总体而言,这些研究提示 AI 可作为多学科会诊中的"协作者"角色,但如何在真实场景中稳健发挥、其对患者结局的实际影响,仍需更多循证证据。对肿瘤临床而言,这一方向预示着临床医生的角色正从"信息收集"逐步转向"关键解读与决策"。

来源:ESMO(欧洲肿瘤内科学会)官方发布。


解螺旋科研助手企业微信二维码,扫码添加免费领取科研资料礼包,包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料


声明:本文资讯来源于公开报道及学术期刊,仅作行业信息传播,不构成临床用药建议。转载需注明来源。