《Cancers》：Clinical Artificial Intelligence in Non-Small Cell Lung Cancer: From Early Detection and Computational Pathology to Precision Oncology
编辑推荐：
人工智能（AI）正在被开发用于分析非小细胞肺癌（NSCLC）诊疗路径中的放射学、组织病理学、分子及临床数据。本叙述性综述评述截至2026年8月的代表性应用，重点关注预期临床用途、验证情况以及影响诊疗所需的证据。研究人员采用目的性选择策略纳入具有临床重要性和方法
人工智能（AI）正在被开发用于分析非小细胞肺癌（NSCLC）诊疗路径中的放射学、组织病理学、分子及临床数据。本叙述性综述评述截至2026年8月的代表性应用，重点关注预期临床用途、验证情况以及影响诊疗所需的证据。研究人员采用目的性选择策略纳入具有临床重要性和方法学意义的研究。影像模型支持肺结节检出、恶性度评估和未来肺癌风险预测的研究，但预测性能本身并不能证明改变筛查或诊断路径能够带来获益。在计算病理学领域，模型可进行组织分类、形态学特征量化以及若干分子改变的估计。基础模型扩展了上述能力，但其评估需关注预训练数据来源以及下游测试的独立性。基于组织学的分子预测目前不能证明可替代经验证的分子检测；用于检测优先级排序需要前瞻性工作流程评估。在免疫治疗队列中评估的模型可预测反应或生存，但这些关联并不能证明不同治疗之间存在差异性获益。主要局限包括：回顾性、选择性人群，校准及临床相关阈值评估不完整，可迁移性不确定，以及模型引导诊疗的评估有限。因此，证据应在个体系统和预期决策层面进行解读。在技术性能转化为临床获益之前，需要进行前瞻性评估、适当的对照、明确的失败处理流程以及部署后监测。
1. 引言
NSCLC诊疗路径信息密集，从低剂量计算机断层扫描（LDCT）筛查到组织获取、组织学分类、免疫组织化学、广泛分子检测、临床分期和多学科团队讨论。单一数据源不足以支持所有决策。人工智能（AI）有望整合高维影像、全切片病理、测序和临床数据，但需区分技术性能、临床有效性和模型引导诊疗的获益。
2. 文献识别与范围
本文为叙述性综述，检索PubMed/MEDLINE至2026年8月，采用目的性纳入策略，优先选择具有独立外部验证、前瞻性工作流程评估、相关对照和临床可解释结局的研究；未进行汇总效应估计，并依据PROBAST+AI原则对证据进行定性评价。
3. 筛查、早期检测与肺结节评估
LDCT筛查降低肺癌死亡率，但产生大量良性结节。AI任务包括结节检出、恶性概率预测和全扫描未来风险预测。常规5毫米扫描中，商业检出系统的灵敏度低于放射科医生且假阳性更多。全扫描风险模型如Sybil可预测1至6年肺癌风险，外部验证显示在部分放射学亚组和更长预测时限中表现下降。LungIMPACT试验显示AI分诊可加快影像报告，但未显著缩短CT或肺癌诊断时间，说明中间流程加快不等于诊断路径改善。
4. 影像表型、分期与纵向评估
影像组学（radiomics）和深度学习可关联组织学、基因型和生存，但依赖标准化采集和分割。以临床分期而非系统性病理淋巴结评估作为参考标准时，模型可能复现不完整检查。纵向影像需处理呼吸运动、配准误差和治疗相关炎症；免疫治疗中的假进展和异质性病变反应限制传统RECIST标准。基于CT的评分多为治疗后约12周的预后评估，而非治疗前选择工具。
5. AI辅助支气管镜与组织获取
临床有意义的终点是患者水平的诊断准确率而非导航成功。VERITAS试验显示导航支气管镜在诊断准确性上不劣于经胸壁穿刺活检，且气胸更少，但未单独估计AI算法贡献。AI对标本充足性和肿瘤细胞含量的实时评估仍属发展优先项，需在实际制片类型中验证。
6. 计算病理学：从分类到定量表型
弱监督学习减少了对像素级标注的依赖。AI可识别肿瘤区域、支持组织学分类、计数有丝分裂、量化免疫细胞密度和生物标志物表达，但错误受染色、扫描仪和切片厚度影响。亚型分类不等同于完整病理诊断。基础模型如Prov-GigaPath和TITAN能力扩展，但需评估预训练来源和下游任务独立性；独立基准测试支持任务特异比较。
7. 从常规组织学推断分子改变
深度学习可预测EGFR、KRAS、STK11、TP53等改变，但预期用途决定证据要求。作为排除性检测需极低且前瞻性验证的假阴性率；系统综述显示现有模型不具备安全阈值。应报告各基因的类别特异性性能、校准、预测值和目标患病率下的检测节省或漏诊数；肿瘤异质性和治疗演化限制其检测获得性改变。基于形态学的预测不能替代经验证的分子检测。
8. 液体活检、分子谱与决策支持中的AI
机器学习用于循环肿瘤DNA（ctDNA）错误抑制、片段组学、甲基化特征和微小残留病（MRD）评估，其性能依赖肿瘤分期。LEMA和LUCID表明ctDNA纵向检测可进行复发风险分层，但阴性预测值（NPV=88%）不证明治疗调整获益；MERMAID-1和MERMAID-2未确立AI引导MRD治疗策略的临床效用。AI可辅助变异注释和证据检索，但大语言模型生成内容需展示变异、检测局限性、证据等级和来源；无依据文本应视为系统失败。
9. 预后、治疗反应预测及治疗选择意义
预后模型可用于咨询、监测设计和试验分层，但需增加超出常规临床变量的信息并良好校准。治疗选择要求比较临床相关替代治疗下的结局；仅在免疫检查点抑制剂（ICI）治疗队列中评估的模型不能排除性或选择性证明治疗获益。应预设并直接评估治疗×生物标志物交互，最好基于随机试验数据，并区分可切除、不可切除III期和转移性疾病。
10. 多模态AI与NSCLC数字表型
多模态模型整合放射、病理和基因组特征，但部分研究仅通过内部交叉验证评价完整多模态模型，外部队列仅验证单一模态。数据缺失并非随机，可能反映诊疗模式而非肿瘤生物学。时间对齐至关重要：基线活检、治疗后影像和耐药病灶分子结果不代表同一生物状态。外部验证应复现输入在预期决策点的可获得性顺序。
11. 为什么高模型表现常无法转化
11.1 数据集构建与泄漏：同一患者或同一切片的影像块不得分割至训练和测试集，调参或阈值选择不得使用测试集结果。
11.2 谱系、选择与参考标准偏倚：病例对照数据集常排除不确定病例；分子模型可能排除检测失败样本；良性结果需充分随访。
11.3 泛化性与隐藏捷径：模型可能利用扫描仪、染色或医院特征，需时间与地理外部验证及采集偏移压力测试。
11.4 区分度而不伴校准或效用：AUROC不足以说明预测概率准确或决策改善，需报告校准、预测值、决策曲线和净获益。
11.5 不当的人机比较：临床相关比较应是有AI辅助与无AI辅助的临床医生比较，需报告读片者经验、阅片顺序、洗脱期和统计处理。
11.6 临床转化证据标准：应根据风险与预期用途分级；低风险测量辅助与排除分子检测的自主系统要求不同，但均需外部、前瞻性评价和错误分析。
12. 公平性、治理与部署后监测
NSCLC发病、组织学、驱动基因频率、吸烟暴露和分子检测可及性因性别、祖先、地域和社会经济状况而异。模型应在临床相关阈值下按亚组评估，单一项目验证不能替代部署人群中的持续监测。治理需明确临床问题和问责；监管状态与临床效用分离。部署后需监控输入漂移、缺失、校准、亚组表现、临床医生覆盖率和重大错误，并重视自动化偏差和警报疲劳。
13. 实用转化框架
五个核心问题：改变什么决策？所需数据在路径中何时真实可用？何种错误临床不可接受？与哪种现有工作流比较？部署后如何监测？该框架防止由可用数据反向决定问题。计算病理学和分子谱分析宜分级实施：先支持质控、肿瘤检测和定量测量，再用于检测分诊，最后在前瞻性证据充分后才影响排除性或治疗性决策。
14. 未来方向
未来评估应更注重临床嵌入式评价而非回顾性AUROC的微小提升。自监督基础模型、联邦学习、多模态模型和前瞻性登记可能推动进展。方法学上需与强基线比较、进行时间和地理外部验证、测试采集偏移，并将不确定性和弃权视为核心功能。治疗模型应回答因果问题而非将预后关联重新标注为治疗预测；经济评价应包含下游检测、操作、人员和错误后果。
15. 结论
AI在NSCLC影像、计算病理学、分子推断和结局预测中显示出技术能力，但临床意义取决于具体系统、人群和预期决策。分子预测不应等同于经验证的检测；治疗队列内的反应预测不证明治疗间差异性获益。多模态系统需额外审查数据可获得性、时间性和评估独立性。进一步评价应测量模型引导诊疗的后果，包括诊断错误、检测完成度、不必要操作、治疗分配和患者结局，并保持临床责任和持续监测。
