图片来源：Pexels的Thirdman
溃疡性结肠炎（UC）患者作为一种慢性炎症性肠病，罹患结直肠癌的风险比普通人群高出四倍。低级别异型增生（LGD）——即异常或癌前病变——可作为早期预警信号，但仅有小部分UC-LGD病例会发展为癌症。这使得临床医生和患者难以做出知情的护理决策，从持续监测到预防性手术的选择均面临挑战。
由加州大学圣地亚哥分校研究人员主导的新研究发现，人工智能（AI）结合生物统计学风险模型能准确预测哪些UC-LGD患者最可能发展为癌症。该成果有望显著改善患者咨询、临床决策和及时随访护理。研究于2月17日发表在《临床胃肠病学与肝病学》期刊。
研究团队创建了完全自动化的AI工作流程，用于筛查美国退伍军人事务部（VA）医疗系统5.5万名患者的既往医疗记录，包括结肠镜检查和病理报告，以识别UC-LGD患者并评估个体癌症风险。该数据集是美国同类研究中规模最大的。
"大型语言模型能从叙述性临床记录中精准提取结肠炎相关结直肠癌风险因素——如低级别异型增生病变的大小、是否存在多发病变以及结肠炎症程度，"加州大学圣地亚哥医学院生物医学信息学系助理教授、莫尔斯癌症中心成员基特·柯蒂斯（Kit Curtius）博士表示。
AI工作流程与统计风险模型的预测成果包括：
- 基于四大既定因素——异型增生大小、病变切除完整性和可见性、异型增生部位数量及炎症严重程度，准确将患者分为五个风险等级
- 诊断后十余年持续高精度匹配真实患者预后
- 将近半数患者归入最低风险组，正确判定其中99%的患者两年内不会发展为癌症诊断
对患者护理的重大突破
研究表明，AI模型可自然融入临床工作流程，提供精准自动化风险评估，指导医生和患者的决策——从安排下次结肠镜检查时间到手术时机选择——同时减轻医疗团队负担。
"当前评估风险水平的过程较为主观，医生缺乏足够数据支撑其判断，"柯蒂斯表示，"这种AI流程能直接读取临床记录并输出风险评分，而非仅提供风险因素列表却无法在诊疗中转化为具体数值。"
该技术还可标记需返诊的患者，预防随访结肠镜检查延误，而延误正是结直肠癌的重要诱因。
后续工作将包括在退伍军人事务部系统外的人群中验证该AI工具，并整合新兴风险因素及患者遗传信息。
"基因组学在驱动癌症进展中扮演关键角色，"柯蒂斯强调。
该研究其他合著者包括：加州大学圣地亚哥分校的布莱恩·约翰逊（Brian Johnson）和海鲁姆·埃丁顿（Hyrum Eddington）；加州大学圣地亚哥分校与圣地亚哥退伍军人事务医疗系统的萨米尔·古普塔（Samir Gupta）和沙伊拉·C·沙阿（Shailja C. Shah）；以及伦敦大学学院医院NHS信托基金的米沙·卡比尔（Misha Kabir）。
期刊信息： 《临床胃肠病学与肝病学》
引用： AI reads clinical notes to forecast colitis-linked colorectal cancer (2026年2月21日) 于2026年2月22日检索
本文受版权保护。除为私人学习或研究目的进行的任何公平处理外，未经书面许可，任何部分均不得复制。内容仅用于信息目的。
【全文结束】
