陈亮教授：AI赋能前列腺癌骨转移管理，助力迈向精准疗效评估与个体化治疗新时代

良医汇肿瘤资讯

2025/10/15

查看原文

165

前列腺癌华中科技大学骨转移华中科技大学同济医学院附属同济医院

整理：肿瘤资讯

来源：肿瘤资讯

前列腺癌是全球男性癌症死亡的第二大原因^[1]，骨骼是前列腺癌最主要的转移靶器官，目前晚期骨转移患者的诊疗仍面临诸多挑战。随着新兴技术的快速发展，人工智能（AI）在提升前列腺癌诊断效率与精度、加强治疗疗效评估、优化预后判断等方面展现出巨大变革潜力，未来与前列腺癌临床专家的协作有望变得越来越重要。鉴于此，本期【肿瘤资讯】特邀华中科技大学同济医学院附属同济医院陈亮教授深入解读AI技术为前列腺癌骨转移领域带来的重大变革，及其在该领域的应用与未来可能的发展方向，以期为患者提供更精准的医疗服务。

陈亮

医学博士副主任医师

华中科技大学同济医学院附属同济医院泌尿外科 & 3D数字医学中心
国家公派留学美国维克森林再生医学研究中心博士后
湖北省医学会老年医学分会委员；湖北省医学会数字医学分会委员；世界组织工程与再生医学学会会员；国家增材制造精准医疗创新联盟会员
主持国家自然科学基金重大研究计划（培育项目）、湖北省自然科学基金面上项目、华中科技大学科创基金、同济医院研究基金
参编国际专著《3D Cell Culture》；发表论文近30篇，其中SCI论文16篇
参与完成2022年高等教育国家级教学成果二等奖（Rk.7）、2022年湖北省高等学校教学成果特等奖（Rk.6）、2021年华中科技大学本科教学成果一等奖（Rk.5）
荣获湖北省卫生健康行业青年创新大赛铜奖（2023年）；武汉市“城市合伙人”优秀青年创新创业人才（2016年）、武汉市汉阳区“知音英才”高层次创新创业人才（2018）
专业方向：
前列腺专科/前列腺疾病综合治疗
泌尿系肿瘤的微创治疗
3D数字医学与AI医疗

革新应用，AI在前列腺癌骨转移领域的应用价值

人工智能（AI）技术的兴起，为前列腺癌骨转移的精准诊断和治疗带来了前所未有的机遇。基于AI的医学影像分析在前列腺癌骨转移病灶方面的进展，在您看来，其相对传统人工判读有哪些优势，能为临床带来哪些关键价值？

陈亮教授表示，前列腺癌是最易发生骨转移的恶性肿瘤之一，骨转移的诊断、评估和治疗反应监测复杂且繁琐。对于疑似转移的患者，准确的临床分期评估需要全面的影像学检查。传统计算机断层扫描（CT）除评估骨转移外，还可用于检测淋巴结或内脏转移。然而，放射科医师需对多部位CT影像进行人工判读，这一过程耗时费力；MRI有助于提高诊断的准确性，但对于信号特点和病灶范围的判定，其诊断效能受限于阅片医生的经验^[2]；扩散加权成像（DWI）对前列腺癌骨转移的检测敏感度高于常规MRI , 且较核素骨扫描的敏感性、特异性及准确性更高。但DWI图像上信号复杂, 骨转移灶表现多样, 假阳性和假阴性病灶仍会对诊断造成困扰^[3]；影像组学是一种可对多种医学图像进行特征提取和建模的技术手段，但影像组学建模对图像标注要求较高，人工标注耗时且标注区域的差异也会影响模型的效能^[3]。此外，全身骨骼中广泛存在的骨岛、血管瘤及退行性改变等良性病变，常与转移灶形成影像学混淆。面对海量的多部位影像数据，医生需要耗费大量时间逐一审阅，过程繁琐、耗时，且容易因疲劳导致注意力和一致性下降，从而致使漏诊率上升。人眼对微小病灶、不典型表现或位于复杂解剖结构的病灶亦可能存在漏诊，对疾病负荷的评估多依赖于主观描述或半定量方法，也不够精确。

面对传统判读的局限性，AI技术的发展已在前列腺癌的临床实践中展现了巨大的潜力与价值。AI算法可以在秒级内自动处理完整个影像数据集，完成初步筛查和病灶标注，将医生从繁重的重复性劳动中解放出来，从而使其能更专注于复杂病例的决策和与患者的沟通。其次，AI的判断标准始终如一，不受情绪、疲劳等因素影响，保证了评估的客观性和可重复性。再者，深度学习AI模型可精准捕捉传统人工判读难以察觉的微小代谢异常或信号改变，尤其在早期阶段，因此可显著降低漏诊率，实现真正意义上的“早期诊断”。

鉴于目前AI算法研究已取得的阶段性进展，其无论是作为独立工具还是辅助系统，都为提升前列腺癌骨转移的诊断效率、减少漏诊、精准定量等提供了有效解决方案。这些发现为AI在临床实践中的分阶段实施提供了有力依据，也进一步增强了研究者推动AI实现临床转化的信心。

赋能治疗，AI助力提升前列腺癌骨转移的治疗疗效与预后评估精准性

基于您刚刚提及AI在诊断精度和效率方面的价值，能否请您谈谈，AI在前列腺癌骨转移领域的疗效评估和预后预测方面是否具有应用潜力？能否为患者的个体化治疗决策提供指导？

陈亮教授指出，就目前而言，AI在前列腺癌骨转移的动态疗效评估和预后预测方面不仅具有巨大潜力，而且正在逐步成为实现个体化治疗决策的核心驱动力。

首先，在疗效评估方面，AI可通过分析前列腺癌骨转移的影像学特征，提取肿瘤的形态、代谢等信息，动态监测肿瘤对治疗的反应。而且，结合临床数据（如PSA水平、肿瘤分期）与影像数据，AI模型能更全面地评估疗效。一项发表于 The Lancet Digital Health 的重磅研究显示^[4]，多模态AI模型通过结合数字病理图像和临床数据，可精准预测晚期前列腺癌患者的死亡风险，为疗效评估提供更可靠的依据。

其次，在预后预测方面，多个AI模态组合模型显示^[4-5]，AI在晚期前列腺癌中的应用，能精准预测前列腺癌恶性进展，并有助于指导个体化治疗决策。众所周知，前列腺癌骨转移会导致一系列骨相关不良事件（SRE），如病理性骨折、脊髓压迫、高钙血症等，这些症状不仅会降低患者的生活质量，而且影响治疗方案的选择，增加经济负担和死亡率。因此对于前列腺癌骨转移人群，临床应即及时启动骨保护治疗，如RANKL抑制剂地舒单抗，以期降低SRE事件，避免患者更长时间地遭受骨折等严重并发症的折磨。

总之，目前AI在前列腺癌骨转移领域已取得显著进展，其通过多模态数据融合、深度学习算法等技术，为前列腺癌患者的疗效评估和预后预测提供了强大工具，进一步推动了个体化治疗决策的精准化。未来，相信随着技术的不断发展和完善，AI有望进一步提升前列腺癌的诊疗水平，改善患者预后。

前路可期，AI在前列腺癌骨转移临床实践中的挑战与发展方向

若将AI工具应用到前列腺癌骨转移的常规临床工作流中，您认为目前面临的最大挑战是什么？展望未来，AI在前列腺癌骨转移领域的应用前景如何？

AI工具应用于前列腺癌骨转移临床实践的挑战：

• 泛化能力不足^[6]：AI模型的性能高度依赖于训练数据的质量和数量。临床实践中，不同医院、不同型号的影像设备（CT, MRI, PET/CT）的参数、协议和分辨率、病理切片染色方法等存在差异，这将导致AI模型在不同数据源上的泛化能力受限。

• 数据准确性与标注瓶颈^[6]：病理诊断和影像标注依赖人工，存在主观偏差，这也影响模型训练的准确性和可靠性。

• 模型可解释性差：AI模型的决策过程缺乏透明度，医生难以理解其判断依据，可能导致临床信任度不足，影响实际应用。

• 临床工作流程整合：如何将AI模型与现有诊疗流程无缝衔接，例如在影像诊断、病理分析等环节中，如何高效利用AI结果辅助医生决策，同时避免增加工作负担。

• 伦理与监管问题：对于数据隐私保护、模型安全性以及AI辅助诊断的法律责任界定等问题尚未完全解决，而且其对罕见病例应对不足，以上均限制其广泛应用。

AI在前列腺癌骨转移领域的应用前景：

尽管AI模型在前列腺癌领域的应用面临着挑战，但不可否认的是，AI在这一领域的发展前景是尤为广阔的，具有变革性的。未来，临床上通过多模态数据融合，如整合影像资料、病理图像、基因组学等，提高骨转移灶的检测敏感性和特异性，实现早期干预，并进行临床数据优化分层治疗；赋能远程医疗与诊疗同质化，如通过AI工具使优质医疗资源下沉至基层医院，提升前列腺癌骨转移诊疗的可及性和同质化水平；生成式AI的应用，如定制化ChatGPT简化病理报告，以供患者理解；空间组学赋能，解析肿瘤异质性，预测分子亚型空间分布等^[6]。诚然，随着AI技术的发展，未来临床还需加强跨学科合作，如AI专家-病理/影像科医生-监管机构间的沟通，推动高质量数据集建设，并探索多模态整合方案，最终实现前列腺癌精准管理的全面革新。

参考文献

1. Sung, H ∙ Ferlay, J ∙ Siegel, RL ∙ et al. Global Cancer Statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2021; 71:209-249.
2. 叶梦梦, 周陶胡, 葛艳明, 范丽. 前列腺癌的人工智能研究进展. 磁共振成像. 2025,16(7):192-201.
3. 刘想, 崔应谱, 韩超, 等. 基于深度学习自动分割模型的DWI影像组学模型预测前列腺癌盆腔骨转移. 放射学实践. 2021,36(12):1563-1570.
4. Parker C, Mendes L, Liu YT, et al. External validation of a digital pathology-based multimodal artificial intelligence-derived prognostic model in patients with advanced prostate cancer starting long-term androgen deprivation therapy: a post-hoc ancillary biomarker study of four phase 3 randomised controlled trials of the STAMPEDE platform protocol. Lancet Digit Health. 2025 Jul;7(7):100885.
5. Markowski MC, Ren Y, Tierney M, et al. Digital Pathology-based Artificial Intelligence BiomarkerValidation in Metastatic Prostate Cancer. Eur Urol Oncol.2024:S2588-9311(24)00271-2.
6. Zhu L, Pan J, Mou W, et al. Harnessing artificial intelligence for prostate cancer management. Cell Reports Medicine, 2024,5(4).