人工智能驱动的神经肿瘤学症状评估与患者报告结局：从纵向症状轨迹建模到临床决策支持与伦理治理

《Journal of Neuro-Oncology》：Artificial intelligence for symptom assessment and patient-reported outcomes in neuro-oncology

　　

目的：患者报告结局（PROs）是衡量患者如何经历疾病和治疗的关键工具。神经精神症状、头痛、癫痫发作和神经功能缺损随时间演变并影响生活质量。在本叙述性综述中，研究人员总结神经肿瘤学中PROs的现有文献、用于PRO分析的现有人工智能（AI）工具、真实世界应用的考量及伦理影响。方法：研究人员检索PubMed/MEDLINE、Embase和Google Scholar中2015年1月至2026年4月发表的英文文章，并以参考文献列表审查作为补充。确定四个主题，并为每个主题分配作者。各主题作者进行文献回顾、筛选文章并综合信息。初始78篇文章经筛选后缩小至53篇，符合条件为报告脑肿瘤患者的PRO或症状数据，或在肿瘤学中将计算/AI方法应用于PRO或症状监测。文章选择由两位资深作者（L.V.Y, A.S.）核验。对仍作为主要证据的较早期奠基性研究予以保留。结果：PRO数据数量和复杂性日益增加，对传统分析方法构成挑战。整合AI，包括机器学习（ML）和大型语言模型（LLMs），可能有助于建模纵向症状轨迹以预测恶化、从自由文本临床记录中提取症状，并将输出嵌入临床决策支持工具。应考虑自主性、知情同意、数据安全、偏倚、可及性、透明性和问责制。结论：成功转化将需要可解释、与电子健康档案（EHR）整合且减轻偏倚的工具，这些工具能够提供可操作洞见，并在这一高度脆弱人群中维护患者同意、隐私和自主性。临床试验注册号：不适用。

引言
人工智能（AI）在医学中具有重要潜力，也伴随显著关切。本综述聚焦AI用于脑肿瘤患者患者报告结局（PROs）与症状数据的收集、分析、临床轨迹预测和临床决策支持，不涵盖影像、病理或基因组学AI。

方法
搜索策略
每个主题由1–2名具相关专长作者筛选标题、摘要和全文。研究人员检索PubMed/MEDLINE、Embase和Google Scholar中2015年1月至2026年4月英文文章，并补充关键文献和既往RANO-PRO出版物参考文献。检索词将神经肿瘤学概念、PRO/症状概念及分析/AI概念以布尔逻辑组合。纳入标准包括原始研究、系统或范围综述、共识指导或可提取数据的会议摘要；涉及PRO、照顾者报告或临床医生记录症状数据；以及脑肿瘤人群或在缺乏神经肿瘤学证据时于肿瘤学中应用计算/AI方法。无数据社论、非英文文章及无人症状数据研究被排除。两位资深作者（L.V.Y, A.S.）复核选择，结果作叙述性综合，未正式进行偏倚风险评估。
组织
综述按四个重点领域组织：PRO数据质量及现有PRO工具/框架；分析PRO和症状数据的计算与AI/ML方法；真实世界和新兴应用及患者/照顾者考量；该人群使用AI处理PRO数据的伦理考量。

神经肿瘤学中PROs的背景
常用疾病特异性健康相关生活质量（HRQOL）和症状患者报告结局测量工具（PROMs）包括多种量表。AI模型可靠性取决于训练所用PRO数据；缺失数据、选择偏倚、评估时间差异和医患不一致可扭曲症状轨迹、治疗效应估计和模型预测。RANO-PRO工作组已提出神经肿瘤学研究中PRO选择和应用建议，世界卫生组织（WHO）国际功能、残疾和健康分类（ICF）用于评估工具内容效度。2020年RAN.PRO提出高级别胶质瘤试验和临床照护的优先构念：疼痛、交流困难、感知认知、癫痫发作、症状性不良事件、躯体功能和角色功能。Karnofsky体能状态、神经功能评分和常见不良事件评价标准（CTCAE）等临床医生评分措施仍属核心，简易精神状态检查（MMSE）和蒙特利尔认知评估（MoCA）等操作性认知筛查可作补充，但可能遗漏症状和感知认知变化。临床医生会低估症状频率和严重度，认知障碍、失语和洞察力下降可影响自报；照顾者代理有帮助但增加解释复杂性。PRO完成率随应答负担、临床恶化和后勤障碍下降；EORTC 22993/08993研究中12个月时预期生活质量表回收不足一半。失访有后果，因为病情恶化者更可能停止应答，降低统计效能并偏倚结果。标准化计划、电子采集、提醒、员工教育、依从监测和适宜缺失数据处理可改善质量。

AI与机器学习贡献
大规模PRO数据集的重要性
普通肿瘤学随机试验显示，频繁纵向症状监测可改善常规临床接触之外的结果。一项766例转移性癌症化疗患者单中心随机对照试验中，电子PRO监测联合自动护士警报减少急诊就诊、延长化疗时间并改善一年生存。PRO-TECT整群随机试验（52家实践，n=1,191）在社区肿瘤学中重复出PRO改善，每周电子PRO调查改善3个月躯体功能、症状控制和生活质量。神经肿瘤学证据仍处可行性阶段：胶质母细胞瘤智能手机应用试点显示纵向健康结局追踪（含照顾者代理录入）的可接受性，43例胶质母细胞瘤患者研究显示电子PROMIS和EORTC评估可在临床环境完成。认知障碍、神经功能下降、数字可及性和参与度差异仍需适配和持续完成评估；可行性不应被误认为普通肿瘤学中所见临床获益的证据。
患者报告结局分析的计算方法：从经典机器学习到大型语言模型
规模化分析PRO数据需能捕捉异质症状域纵向模式的计算方法。机器学习（ML）利用从数据学习模式的算法。早期神经肿瘤学将ML用于低级别脑肿瘤切除后HRQOL预测，支持向量机（SVM）和随机森林分类器利用常规围手术期输入对多数症状结局曲线下面积（AUC）高于0.90。但肿瘤症状预测ML系统综述发现时间与纵向建模不足，且神经肿瘤学缺位。自然语言处理（NLP）可从临床自由文本提取结构化信息，而自由文本是病历中主要且未充分利用部分。NLP已用于肿瘤学症状表征、疾病轨迹建模和照护目标记录，神经肿瘤学应用仍有限；这些方法常需大量人工规则和领域专长，限制跨场景适应性。大型语言模型（LLMs）可支持照护连续体多个阶段。识别疾病阶段转换是神经肿瘤学姑息治疗核心挑战，常先于横断面评估无法发现的症状变化。将GPT-4o应用于电子健康档案（EHR）中51,541份神经肿瘤学临床记录，提取9个症状域，平均敏感性和特异性0.97，每份记录3.92个症状，患病率显著高于可比临床试验；接受免疫检查点抑制剂者症状负担最高，显示治疗分层洞见可补充前瞻性PRO工具。这些发现能否转化为原发性脑肿瘤患者中稳健的PRO驱动轨迹检测仍未知。尽管2011—2021年涉及PRO数据的ML发表约增20倍，2024年一项52项肿瘤学研究系统综述发现不足8%进行外部验证、不足6%共享可重复代码；2025年94项研究范围综述发现仅10项外部验证、3项进入实施阶段，并识别缺失数据处理不一致及患者/临床医生参与有限。上述方法学和实施缺口在神经肿瘤学中后果显著，因疾病异质性和样本量有限已限制外推性。
症状加重、治疗反应与终末期阶段转换的预测分析
预测模型已从回归发展到AI方法， increasingly使用电子患者报告结局（ePROs）、EHR变量、影像和生物学数据。严格训练、验证和监测仍必不可少。这些模型可帮助预判临床轨迹、提供及时支持、避免过度或无效治疗，并使患者和家庭有时间准备。预测治疗反应、症状加重和终末转换的模型在神经肿瘤学中少于广泛肿瘤学。神经功能缺损影响沟通或数字工具使用时症状难以捕捉，癫痫和忽视等症状可能被低估和低报。因此，来自照顾者、可穿戴设备和EHR文档的补充数据至关重要。基于LLM从EHR提取症状，多模态ML可综合异质数据流形成预测洞见。
整合入临床决策支持系统（CDSS）
预测模型性能良好后，临床整合更难。近期肿瘤症状管理CDSS综述中，仅25.5%与EHR整合，18.2%含AI，多数为规则型而非预测型。Cooley等将肿瘤症状管理CDSS整合入两个EHR的经验包括：症状管理逻辑应围绕EHR可靠可得数据构建，最好使用标准化术语；警报应高产出并配明确行动，高数量低特异性警报会导致疲劳；依赖不可靠数据或错误可致伤害的决策应要求临床医生核验；这些经验支持受控、可审计系统而非全自动系统。Tian等设计自主代理式LLM工作流，以五个明确角色代理从非结构化临床记录检测认知关切，支持更早记忆评估；一个代理分类记录，其他检查漏报和误报并优化提示。模型表现与专家优化流程相当但未超过，模块化架构便于检查提示优化，为可解释临床AI提供可扩展模式。

神经肿瘤学姑息治疗场景中的真实世界应用与研究
临床整合
AI/ML可识别症状模式并预测轨迹，但价值取决于转化为照护交付。实施框架包括可解释性、整合和行动三个相互依赖成分。成功实施需临床、信息学、运营和卫生系统领导协同参与，确保AI支持的工作流可扩展、可互操作和可持续，而非临时拼装。
整合模型的现状
肿瘤学中部署型预测建模和个体化照护CDSS开始出现。OncoPRO将CTCAE的PRO版本嵌入患者安全在线门户，向临床团队提供实时反馈，支持更早发现和管理免疫治疗毒性；其警报由预定症状阈值触发而非AI模型，说明成熟电子PRO工作流可作为后续AI整合基础。180天死亡风险被用作终末期转换代理。Xu等利用患者报告症状数据预测晚期癌症180天死亡，支持症状负担作为恶化早期标志；Manz等开发基于EHR的180天死亡模型，标记可能受益于更早预先照护规划或姑息转诊的门诊患者。神经肿瘤学内多数工作仍处早期：Cleveland Clinic启动胶质母细胞瘤远程监测研究，将Apple Watch生物特征数据与患者或照顾者录入症状配对，探索症状预测因子和临床结局（NCT06129760）；研究者拟用ML分析可穿戴信号与报告症状或临床事件关系。法国NEURO-PRO-GLIO研究将评估Resilience PRO平台在IDH-mutant胶质瘤患者中监测神经症状、治疗耐受性和生活质量（NCT07439302）；其注册方案描述针对严重或恶化症状的预定警报算法，而非ML模型；两项研究可能为未来预测模型提供数据。
AI衍生的沟通模式与决策
AI有前景的应用是捕捉医院外和计划门诊外的患者及照顾者体验。Binder等报告面向胶质母细胞瘤患者和照顾者、基于同行评议文献训练的数字支持工具。其对4个月去标识化对话日志的回顾分析涵盖多国多语言15,197条消息；对话常集中于影像解读、进展恐惧、治疗决策、症状管理、临床试验支持、照顾者痛苦和终末期关切。该描述性分析刻画用户讨论内容，未检验语言变化是否预测临床转换。需前瞻性研究确定患者和照顾者语言能否可靠识别自主性、决策负担、症状升级、照顾者接管或更早姑息照护需求变化。

使用AI工具进行症状评估与管理的伦理关切
自主性与知情同意
脑肿瘤患者认知和神经状态可随时间变化，决策能力和自主性面临挑战。LLM塑造或替代PROs时患者自主性进一步受影响。PRO按定义由患者直接报告，不经临床医生或他人解释；LLM衍生解释因此不是PRO，应标记并作为独立AI衍生测量评估。代理完成报告经AI分析可能进一步远离患者自身应答。医务人员应能查看原始患者或代理报告、识别来源，并对照底层数据和临床背景审查有临床后果的AI解释。知情同意对维护自主性重要，这些患者可能需要代理。卫生机构和多学科实施团队应评估平台、记录预期用途和局限，并为临床医生提供简明培训和升级路径；个体临床医生无需成为AI专家，但应能解释何时使用AI、依据何种信息、输出如何影响照护及可选替代方案。患者期望明确沟通数据收集目的及其数据透明和安全权利。
数据安全与隐私
医疗AI工具访问大量数据（含PROs），带来隐私风险，如AI模型被诱导泄露受保护健康信息（PHI）。美国《健康保险携带和责任法案》（HIPAA）对受覆盖实体及其业务伙伴持有的PHI规定隐私和安全要求。21^st Century Cures Act第3060节将某些面向临床医生的CDSS软件功能排除于美国食品药品监督管理局（FDA）监管的医疗器械定义之外，前提是满足特定标准，包括临床医生可独立审查建议依据；这不是对AI或EHR嵌入式工具的全面豁免，也不豁免隐私、机构或其他监督。快速开发软件可能含未验证算法、误导性建议或数据保障不足。美国以外要求不同：欧盟《通用数据保护条例》（GDPR）规范个人数据（含健康数据）处理，并对某些具显著影响的自动决策设条件；欧盟《人工智能法案》（EU AI Act）建立基于风险的框架，符合条件的AI医疗器械可被分类。适用要求取决于工具预期用途和监管状态，隐私保护和器械监督应按开发或部署辖区评估，而非从美国规则推断。
偏倚与可及性
AI输出的开发、应用和解释方式可能通过种族、族裔、性别和社会经济地位延续或加重诊断、照护可及、治疗和结局差异。数据偏倚源于非代表性研究设计和数据选择：临床试验人群对女性和非白人患者代表性不足，三分之二美国试验支持机构位于城市或社会经济优势地区。用于训练LLM的临床医生文本也反映隐性偏倚，污名化语言随种族、性别认同和行为因素变化。黑人、亚裔、西班牙裔和非英语母语患者较少接受症状性和姑息治疗；症状负担记录也受偏倚影响。算法偏倚可通过聚合和特征选择出现，代理变量可掩盖群体真实关系；模型曾基于历史较低支出而非实际需求低估黑人患者医疗资源需求。模型部署偏倚发生于使用者不加批判地服从模型输出而非独立临床判断，使错误持续和累积；AI生成摘要风险更大，因为其代表整个人群而可能仅反映狭窄或偏斜子集。
风险与获益平衡
尽管有风险，经谨慎迭代评估的AI模型可高度有效。Oh等提出在传统生物伦理原则外增加可解释性第五原则，要求AI系统可理解并清晰沟通其局限。Rhee等基于神经肿瘤学患者、照护伙伴、临床医生和生物伦理学家定性访谈，识别关键主题：维持医患关系首要性、认识AI缺乏的独特人类能力、确保临床医生监督、优先患者教育。针对偏倚，Mehari等提出跨神经肿瘤学连续体的五项公平中心原则共识“HEALS”框架。上述框架的统一原则是：AI实施必须保持患者中心，致力于公平、隐私和人道照护，并由包括风险获益评估和补救机制的正式监督支持。

结论
优势与局限
本综述整合神经肿瘤学中PROs、AI方法、临床实施和伦理证据，并区分神经肿瘤学特异性发现与广泛肿瘤学证据。但文献跨异质人群、测量、技术和研究设计，叙述性选择可能不代表全部相关工作。因未正式进行质量或偏倚风险评估，综述不能确立出版物总体质量或比较不同方法证据强度。小型可行性研究、回顾性分析、方案和神经肿瘤学外研究结果应视为潜力信号，而非脑肿瘤患者临床获益证据。
要点
PROs和AI可使神经肿瘤学更患者中心和数据驱动，但当前证据受小样本研究、缺失和不一致症状数据及弱外部验证限制。进展将依赖多中心合作、标准化PRO框架、可互操作数据系统及照顾者报告、可穿戴设备和临床叙述等更广泛输入。成功转化需要可解释、与EHR整合并实时提供可操作洞见的工具，同时保留临床医生监督。伦理实施必须优先知情同意、隐私、自主性和偏倚缓解，使这些系统支持而非替代高度脆弱人群中的临床判断。