大连星海医学论坛第六届肿瘤综合治疗学术会议于2025年6月12日至6月15日在大连盛大召开。本次会议汇聚国内肿瘤学领域的顶尖专家、学者及临床工作者，聚焦肿瘤综合治疗的最新进展与核心挑战，为与会者带来一场全方位的学术盛宴。值此之际，医脉通特邀中国药科大学附属南京天印山医院
医脉通：当前AI已渗透抗肿瘤药物研发全流程，从靶点发现到临床试验设计。您认为AI技术为抗肿瘤药物临床研究带来的最核心变革是什么？这种变革对推动整个肿瘤治疗体系发展会产生哪些影响？
秦叔逵教授：
本届大连星海医学论坛第六届肿瘤综合治疗学术会议聚焦肿瘤领域研究进展诊疗发展，学术内容前沿，形式多样，汇聚国内内科、外科、放疗等各领域专家学者，共同探讨，搭建了一个高水平的学术学习与交流的平台。在本次大会上，我应邀带来了“AI技术赋能抗肿瘤药物临床研究的变革与挑战”主题报告。
自1997年4月30日，中国临床肿瘤学会（CSCO）成立于北京以来，肩负了五大任务，即开展临床肿瘤学的继续教育；推动国内外学术交流；促进临床研究，特别是多中心协作研究；提高临床肿瘤学专业化、规范化诊疗进程；人文关怀、患者教育和科普宣传。在这五大任务中，临床研究的开展是一项非常重要且艰巨的任务，备受重视。在吴孟超院士、孙燕院士、廖美玲教授和管忠震教授等老一辈专家的带领下，我们从2000年开始介入国际国内临床研究，25年过去了，在今年的ASCO大会上，我国入选了七十余项口头报告，其中十余项为LBA，展露了中国专家学者的研究水平。我们真正从过去的“跟跑”到“并跑”，到如今在某些领域已经成为“领跑”。
自今年春节前后，DeepSeek的“横空出世”将AI推入大众的眼前，我们的日常生活也同样受到这一“浪潮”的影响，同时在医学领域也引起了高度重视，并在医院管理、临床实践等领域积极学习和应用。在创新药物的研发方面，过去从临床前实验室研究，到临床研究、方案设计、实施、质量控制、分析、管理、总结，至发表论文，向国家有关监管部门申报，全过程漫长且需要大量的时间、人力、物力和财力。临床试验过程从I期到III期，过程越往后越艰难，I期研究仅观察药物的有效性和安全性，II期研究初步确定其疗效，III期研究进行临床验证。总体而言创新药物研发的成功概率非常低的，一般不足20%。究其原因，可能因人工操作的谬误，耗时长、花费多而失败一场空。如今，AI在各个领域蓬勃发展，不断进步，经过多年的努力和积累，已奠定了夯实的基础，能够为临床试验的开展、临床注册研究、研究者发起的研究、真实世界研究等开展，发挥重要的作用。
目前，AI在医学领域的应用方兴无艾。在本次大会上，我们分享了AI在临床研究方面的应用，希望能够进一步唤醒大家，认识AI、学习AI、重视AI、更好地利用AI，将AI和大数据与临床研究、实践、诊疗、指南撰写等各个领域相结合，提高临床诊疗水平和临床研究的能力，共同推动肿瘤诊疗发展。
医脉通：当前将AI深度整合到抗肿瘤药物临床研究时，您认为最棘手的困难与挑战是什么？应如何解决？
秦叔逵教授：
目前，这一领域主要的难题在于观念的转变。大家习惯于传统的“用手”和“人工”的操作，对于AI的认识和重视程度还不够，这也是近期我们一直在讨论的话题，希望能够推动观念转变，让更多的医疗从业者们重视AI，好好学习、提高、应用AI。
此外，希望能够打破医疗应用系统的壁垒，在保证信息安全的前提下，逐步整合我国医疗系统，共享信息，通过大数据分析，辅助医生在临床中作出更精准的决策，并利用数据驱动，更快、更准确地为患者提供健康管理服务。
其次，在建立新的现代化信息系统的同时，也要考虑到旧的信息设备如何打通融合，如何打破壁垒，在AI和大数据的辅助下进一步优化业务流程和医疗服务。
再者，在医疗领域，对于AI和大数据的要求与一般科学不大相同，需要更加严格的监管，建立完善的监管体系。医生和研究人员也需要提高自身的判断力，培养“火眼金睛”和“淘金者思维”，学会甄别AI提供的信息真伪，确保医疗决策的科学性和准确性。
最后，要将AI真正地应用起来。目前中国药科大学附属南京天印山医院已与高校、医院、企业等深度深度交流与学习，从相关数据系统的制作，到临床研究的开展，以及基础研究的转化等，多维度多方面多领域深入交流，共同分享和提高，推动临床研究向更高效、更精准的方向发展，加速新药研发进程。相信随着AI和大数据技术的不断发展，将在临床研究中发挥更加重要的作用。
医脉通：展望未来，AI技术有望为抗肿瘤药物临床研究带来怎样的颠覆性改变？应如何找好AI在医疗领域中的应用地位，以更好地为医疗工作者和患者带来获益？
秦叔逵教授：
在临床试验的前期阶段，药物的分子发现和临床前研究是基础。然而，当进入临床研究阶段时，我们已经通过前期的基础研究和临床前研究，确立了一个具有潜力的分子。此时，我们面临的任务是验证该分子在临床上的有效性和安全性。因此，设计一个科学、合理的临床研究方案至关重要。过去，我们通常依赖人工进行文献调研和撰写，耗时数月甚至更久。而如今，借助AI，我们可以通过AI系统快速搜集和整理相关文献，进行初步分析，从而大幅节省时间和精力。
在临床试验方案的设计过程中，AI可以提供初步的概念和初稿。虽然AI的设计结果需要研究者结合自身的临床经验和过往研究经验进行修改和优化，但其效率远高于传统方式。例如，当我们准备针对肝癌的药物进行一线、二线或后线治疗，以及单用或联合治疗的方案时，只需将相关信息输入AI系统，它即可生成初步的方案。随后，我们再与专家团队讨论并进行调整，通常只需1至2周即可完成，而传统方式可能需要数月时间。
在临床试验的实施阶段，AI同样发挥着重要作用。过去，病例筛选主要依赖医生人工判断，但这种方式容易出错且效率低下。如今，我们可以通过将AI系统与医院信息系统（HIS）对接，实现自动化筛选。当患者入院时，系统会自动检查其信息是否符合临床试验的入排标准，并即时反馈结果。这不仅提高了筛选效率，还确保了患者信息的准确性，做到更优的质量控制。
在质量控制方面，AI的应用也带来了显著的效率提升。过去，我们依赖外部合同研究组织（CRO）和内部监察人员进行质量控制，但这种方式成本高且效率低。如今，AI可以实时监控数据录入和处理过程，自动识别异常数据，减少人为错误。此外，AI还可以通过扫描和自动填写表格，减少重复性工作，提高整体效率。
在数据分析阶段，AI同样展现出强大的能力。过去，数据分析往往在试验结束时才进行，且需要大量时间。而AI可以在试验过程中实时分析数据，及时发现潜在问题，并提醒研究者与独立数据监测委员会讨论和修正。此外，AI结合大数据和生物统计软件，可以快速完成数据分析和报告撰写，从而节省大量时间和人力成本。
在临床试验的未来发展方向上，我们希望实现去中心化管理，例如在疫情期间，远程监控和远程管理的应用已经证明了其有效性。AI技术的引入，使得远程协作和数据共享变得更加高效和安全。这不仅有助于提高临床试验的效率，还能推动整个医学研究的数字化转型。
AI在临床试验中的应用，不仅提高了研究效率和质量，还显著降低了成本，推动了医学研究的快速发展。随着技术的不断进步，AI将在临床试验中发挥越来越重要的作用，为医学研究带来更多的创新和突破。
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
