肺癌是常见且致命的癌症之一。2022年全球新发约250万例，死亡180万例；中国新发约106万例，死亡73万例[1]。由于早期症状不明显，近半数患者确诊时已出现转移。在这关键时刻，人工智能（AI）如同医生的“聪明助手”。传统筛查方法如X光、低剂量CT往往要分析大量影像，且良恶性结节难以快速区分，而AI正逐步展现其在肺癌管理中的巨大潜力。本文将揭示AI在肺癌诊断、治疗和预后中的重要突破。
一、AI与诊断：AI就像一位不知疲倦的“侦探”
AI可以辅助医生发现并鉴别肺结节，以降低漏诊、误诊概率。
通过深度学习模型，从医院收集的大量影像中学习，可准确找到可疑结节（图1）。有研究将来自5个不同数据集的CT图像融合训练AI，测试中结果准确率高达99%。AI模型还能解释自己的决策路径，就像经验丰富的助手，指出某处可能有癌变的原因[2]。
▲图1 智识结节：AI助力肺癌早期筛查
另外，一些AI工具能帮助医生判断复杂的磨玻璃结节是良性还是恶性。传统上这些结节判断难度大，而AI放射组学模型可以对其影像特征做数学分析，辅助做出判断。尽管目前模型的区分力是中等水平，但这项技术展示了让复杂结节“活起来”的可能[3]。
二、AI与治疗：AI不仅能“看病”，还能帮助制定治疗计划
治疗包含放射治疗、手术治疗和药物治疗，依据患者的自身情况而选择合适的治疗方案。而AI可通过训练患者数据提高放疗靶区勾画和手术模型重建的精准度。
AI自动分割肿瘤区和危险器官，相当于快速绘出清晰的“作战区”。一项研究中，AI根据大量患者数据训练后，自动勾画放疗靶区。与医生手工勾画相比，AI辅助勾画的准确度显著提高，误差大幅降低，意味着医生可以借助AI技术更快更准地制定放疗方案，精准打击肿瘤区域[4]。
手术方面，AI可以像3D建模专家一样预演手术（图2）。北京大学人民医院团队[5]开发了一个AI驱动的三维重建系统，可以根据患者的CT数据自动生成肺部血管和气道的三维模型。外科医生戴上VR眼镜，就能在术前“亲手”触摸这个3D模型，发现解剖的细微差异。对比显示，使用AI-3D系统后，医生误切的概率下降73%，切除不足的概率下降51%。结果表明这套系统像导航仪，为医生指引精确的手术路径，大幅提高全性和成功率。
▲图2 术前模拟：三维建模辅助肺癌手术
在药物治疗方面，AI也有杀招。免疫疗法是近几年热门的癌症治疗手段，现在AI通过深度学习分析患者的肿瘤病理切片，可以预测患者对药物的反应。实验中，AI模型对近千例肺癌患者的数据进行训练后，预测免疫疗效的准确度优于传统生物标志物。简单说，AI就像一个经验丰富的“医药测评师”，能帮医生判断患者能否从免疫疗法中获益[6]。
三、AI与预后：AI还扮演“预言家”的角色
此外，AI可以综合分析患者信息，输出个性化的预测风险值，提前为患者规划后续的随访与治疗。通过分析大量生物数据和随访记录，预测患者的生存期和复发风险（图3）。
▲图3 预见未来：多组学模型预测复发与生存
有研究[7]把患者的基因表达、DNA甲基化等信息输入分析模型，让AI自主学习生存期的模式。结果发现，融合多种组学数据的模型在预测患者生存期方面比传统单一指标更准确。
华西医院团队研究[8]发现，某些患者有特定基因突变和DNA不稳定特征会有复发风险。基于多组学数据，他们利用算法把患者分为4个亚型，其中两型具有较高的复发风险。表明医生看到此类患者时，可以安排随访和辅助治疗，为高危患者拉响复发的“警报”。
四、结语：AI技术正在成为肺癌管理的一位“好帮手”
在影像筛查中，它像一双“智慧之眼”，帮助医生发现并鉴别结节；在治疗环节，它又像一位严格的“设计师”，为放疗和手术提供精确的路线图；在预后判断上，AI更像是“魔法水晶球”，指导个性化的随访和护理方案。但要实现AI模型在临床上的广泛应用，依旧面临诸多挑战（图4）。
▲图4 智能虽强，落地尚远：AI赋能医疗的现实挑战
AI正逐渐成为肺癌管理中一位睿智又可靠的“合作者”，在科技的协助之下，肺癌的管理实现了诊断更早、治疗更准、预后更细。然而，医学的核心从未改变：尊重生命、理解个体、传递希望。AI并不能也不应替代医生的判断，而应成为医生智慧的延伸、为患者福祉服务的桥梁。
未来的医疗，将是“AI+医生”的黄金组合，是“数据+温度”的深度融合。唯有如此，我们才能真正走向一个“科技赋能、人文并行”的医疗新时代，同时也牢记：医患携手，科技与人心并行，才能为肺癌患者赢得更多生存的空间。
欢迎关注
研究获得上海市卫生健康委员会医学新技术研究与转化种子计划（项目编号2024ZZ2027）、上海交通大学转化医学研究院转化医学国家重大科技基础设施(上海)开放课题项目(重点项目)（项目编号TMSK-2014-116）、上海交通大学“交大之星”计划医工交叉研究基金项目转化医学项目（项目编号YG2025LC10）等项目的支持。
「上海交通大学医学院编辑部」微信公众号将持续更新健康科普系列推文，欢迎继续关注！
参考文献
[1] ZHOU J, XU Y, LIU J, et al. Global burden of lung cancer in 2022 and projections to 2050: Incidence and mortality estimates from GLOBOCAN [J]. Cancer Epidemiol, 2024, 93: 102693.
[2] BOUAMRANE A, DERDOUR M, BENNOUR A, et al. Toward Robust Lung Cancer Diagnosis: Integrating Multiple CT Datasets, Curriculum Learning, and Explainable AI [J]. Diagnostics (Basel), 2024, 15(1).
[3] SHI W, HU Y, CHANG G, et al. Development of a clinical prediction model for benign and malignant pulmonary nodules with a CTR >/= 50% utilizing artificial intelligence-driven radiomics analysis [J]. BMC Med Imaging, 2025, 25(1): 21.
[4] HAN Z, WANG Y, WANG W, et al. Artificial intelligence-assisted delineation for postoperative radiotherapy in patients with lung cancer: a prospective, multi-center, cohort study [J]. Front Oncol, 2024, 14: 1388297.
[5] CHEN X, DAI C, PENG M, et al. Artificial intelligence driven 3D reconstruction for enhanced lung surgery planning [J]. Nat Commun, 2025, 16(1): 4086.
[6] RAKAEE M, TAFAVVOGHI M, RICCIUTI B, et al. Deep Learning Model for Predicting Immunotherapy Response in Advanced Non-Small Cell Lung Cancer [J]. JAMA Oncol, 2025, 11(2): 109-18.
[7] ELBASHIR M K, ALMOTILAG A, MAHMOOD M A, et al. Enhancing Non-Small Cell Lung Cancer Survival Prediction through Multi-Omics Integration Using Graph Attention Network [J]. Diagnostics (Basel), 2024, 14(19).
[8] WANG C, LI J, CHEN J, et al. Multi-omics analyses reveal biological and clinical insights in recurrent stage I non-small cell lung cancer [J]. Nat Commun, 2025, 16(1): 1477.