综述：心血管肿瘤学中的机器学习：创新还是过度炒作？

《Current Treatment Options in Cardiovascular Medicine》：Machine Learning in Cardio-Oncology: Innovation or Overhype?

AI在心血管肿瘤学中的应用及挑战：聚焦术前风险预测、治疗期心脏毒性检测及临床实施障碍，如数据质量、标准化定义、模型可解释性及工作流程整合。

　　

摘要

综述目的

癌症治疗会显著增加心血管疾病的风险，与未患癌症的患者相比，癌症患者发生心血管并发症的可能性高出42%。本综述探讨了人工智能（AI）在心肿瘤学领域的当前应用，重点关注治疗前的风险预测、治疗期间和治疗后的心血管功能障碍检测以及临床实施面临的挑战。

最新研究进展

AI在多个领域展现了良好的应用前景。集成电子健康记录、心电图（ECG）数据、超声心动图结果和先进成像技术的机器学习模型，在治疗开始前识别高风险患者方面显示出可行性。在检测心脏功能障碍方面，基于AI的工具在识别细微的心脏毒性效应方面表现优异，包括AI-ECG和成像模型能够高精度地检测出射血分数下降，自动化应变分析有助于早期发现功能障碍，以及AI引导的手持式超声设备使非专业人员也能进行即时监测。尽管取得了这些进展，但仍存在诸多阻碍临床应用的障碍，例如代表不同肿瘤患者群体的高质量数据集有限、缺乏标准化的结果定义、“黑箱”系统导致的模型可解释性难题，以及与现有临床工作流程的整合不足。

总结

虽然AI通过改进风险分层和早期检测在改善治疗结果方面具有巨大潜力，但现有证据尚不足以支持其广泛推广。要实现这一目标，需要严格的前瞻性验证、提高模型的可解释性，并制定涵盖技术因素和人为因素的全面实施策略。