柏林学习与数据基础研究所（BIFOLD）的柏林工业大学、杜伊斯堡-埃森大学医学院和慕尼黑大学（LMU）的研究人员开发了一种新型的人工智能（AI）工具，可以解析复杂的相互关系。这项研究发表在《自然·癌症》杂志上。
慕尼黑大学病理学研究所主任弗雷德里克·克劳斯琴教授表示：“个性化医学的目标是为每位患者量身定制护理方案。目前，疾病进展的预测通常依赖于有限的一组参数，但这些标准往往不足以理解像癌症这样复杂疾病的全貌。”
借助杜伊斯堡-埃森大学医院的智能医院基础设施，研究人员整合了来自多种模式的数据，包括病史、实验室值、影像和基因分析，以提高临床决策的质量。
杜伊斯堡-埃森大学医院医学人工智能研究所（IKIM）的教授詹斯·克利西克说：“尽管现代医学中拥有大量的临床数据，真正实现个性化医疗的承诺常常未能兑现。”克利西克还与科隆-埃森癌症研究中心（CCCE）有关联。
个体差异如性别、营养状况或合并症在当前肿瘤学临床实践中使用的较为僵化的评估系统中未被考虑。
慕尼黑大学病理学研究所的教授兼研究小组负责人弗雷德里克·克劳斯琴指出：“现代人工智能技术，特别是可解释的人工智能（xAI），可以用于解析这些复杂的关系，从而在更大程度上实现个性化癌症治疗。”
该AI工具利用超过15,000名患者的38种不同实体瘤的数据进行了训练，共分析了350个参数，包括遗传肿瘤谱型、影像数据、实验室值和临床数据。
临床科学家朱利叶斯·凯尔博士表示：“我们确定了影响神经网络决策的关键因素，以及大量参数之间的预后相关互动。”
研究人员通过成功测试AI模型，在超过3,000名肺癌患者的数据上验证了这些发现。作为可解释的人工智能，该模型向医生解释每个参数如何影响预后，使其决策过程透明化。
慕尼黑大学的菲利普·凯尔博士表示：“我们的结果展示了人工智能在综合分析临床数据方面的潜力，可以重新评估这些数据，从而实现个性化、数据驱动的癌症治疗。”
这种AI方法还可以应用于紧急情况，其中快速评估所有诊断参数至关重要。
研究人员希望使用传统的统计技术找到尚未被识别的跨癌症关系。
国家肿瘤疾病中心（NCT）西部站点总经理兼杜伊斯堡-埃森大学医院内科肿瘤学系主任马丁·舒勒表示：“在NCT和其他肿瘤学网络如巴伐利亚癌症研究中心（BZKF）的合作下，我们有条件迈出下一步：在临床试验中证明我们技术的真实患者受益。”
参考文献：
Keyl, J., et al. (2025) 使用多模态真实世界数据和可解释人工智能解码泛癌治疗结果。《自然·癌症》。doi.org/10.1038/s43018-024-00891-1
(全文结束)
