《Cancers》:Artificial Intelligence in Pancreatic Cancer: From Predictive Performance to Clinical Translation
编辑推荐:
背景:人工智能(AI)现已应用于胰腺导管腺癌(PDAC)的全病程,但文献的增长速度已超过支持其应用所需的证据。问题不在于算法能否预测终点,而在于其产生的信息是否足够可靠、可泛化且可操作,以改变具有临床意义的决策。方法:在这篇叙述性、非系统性的PDAC相关文献综
背景:人工智能(AI)现已应用于胰腺导管腺癌(PDAC)的全病程,但文献的增长速度已超过支持其应用所需的证据。问题不在于算法能否预测终点,而在于其产生的信息是否足够可靠、可泛化且可操作,以改变具有临床意义的决策。方法:在这篇叙述性、非系统性的PDAC相关文献综述中,研究人员采用作者定义的证据就绪框架(开发、内部验证、外部验证、前瞻性验证、临床影响和实施)以及四个维度(验证、比较器、可操作性和影响)对应用进行评估。结果:当代荟萃分析显示,AI用于早期检测和区分PDAC与肿块型胰腺炎具有较高的汇总准确性(灵敏度约0.88–0.92,特异度约0.90–0.93),但存在极端异质性、影像组学质量低、外部验证匮乏,且对于电子健康记录风险模型,在人群患病率下阳性预测值通常低于1%。基于计算机断层扫描(CT)的检测和风险富集是已识别的较为成熟的应用之一,但尚无研究证明它们能改善分期分布、切除率或生存率。治疗预测需遵循严格标准,区分预后关联与经过验证的治疗-生物标志物交互作用。结论:限制性步骤不再是算法性的,而是转化性的——外部和前瞻性验证、校准、适当的比较器以及工作流程整合。
1. 引言
胰腺导管腺癌(PDAC)仍是最致命的常见癌症之一,2022年全球估计导致46.7万人死亡,发病率上升,大多数高收入国家的五年生存率仍处于较低水平。诊断时的分期主导预后:大多数患者确诊时已为局部晚期或转移性,此时手术或当前全身治疗均无法治愈,而可切除阶段检测到的患者生存期显著更长。增强CT是推荐的一线检测、分期和可切除性评估手段,但其判读未标准化,小病灶或早期病变及细微的间接征象常在常规实践中被漏诊。人工智能(AI)作为涵盖机器学习(ML)、深度学习(DL)、影像组学及大型多模态和生成模型的统一术语,已被提出用于上述所有角色,文献已数以千计。常见的修辞错误是将回顾性数据集上的高受试者工作特征曲线下面积(AUC)等同于临床价值。该等式不安全:肿瘤学诊断和预后建模已反复表明,强内部性能可能在外围数据上崩溃,模型可能利用特定数据集的捷径而非生物学,且与结果的统计显著关联在是否采取行动帮助患者方面几乎没有意义。本综述的核心问题是限制性的:AI能在何处实质性改变胰腺癌研究或临床决策,且支持证据有多强?本综述的主要贡献在于依据证据就绪度和临床转化度对领域进行分级,采用作者定义的框架(开发→内部验证→外部验证→前瞻性验证→临床影响→实施),并正交地在四个维度上评估:验证、比较器、可操作性和论证影响。全景覆盖和多模态系统融合被视为次要支持特征。文章区分了常规混淆的四项声明——技术性能、临床有效性、临床效用和经证明的患者获益——并严格区分预后预测与治疗获益的预测性生物标志物。本综述遵循临床PDAC路径而非算法分类学。三个核心论点:第一,基于CT的检测和基于电子健康记录(EHR)的风险富集具有相对先进的验证设计,但尚无PDAC特异性研究证明部署能改变分期、切除率或生存率。第二,汇总准确度(现可从2025–2026年多项荟萃分析量化)持续超过转化成熟度,因为外部验证、校准、适当比较器和前瞻性评估仍是例外。第三,多模态整合是重要方向,但其价值必须以优于最佳简单模型的增量获益来评判,而非因复杂模型可构建而评判。
2. 方法:检索策略与范围
本综述为叙述性综述,不遵循系统综述(如PRISMA)协议,不声称全面或可重复的文献收录,研究选择反映专家判断。为保持透明,检索了PubMed/MEDLINE、Web of Science、Scopus和Google Scholar,期限为2022年1月至2026年,补充了经典早期研究。检索词结合“胰腺癌”、“胰腺导管腺癌”和“PDAC”与“人工智能”、“机器学习”、“深度学习”、“影像组学”、“影像基因组学”、“计算/数字病理学”、“多组学”、“多模态”、“基础模型”、“大语言模型”、“生成式AI”及特定领域临床术语。通过引文追踪补充遗漏。采用互补的两种证据:系统综述和荟萃分析用于汇总定量性能,而近期多中心、外部验证或前瞻性研究及标志性研究用于确定前沿和就绪水平。纳入标准为英文同行评审研究;会议摘要和非胰腺癌研究权重降低。数据库策略见补充表S1,最新检索为2026年10月。研究选择由团队专家策划,非双人独立筛选。关键数字和结论均核实原始来源。
3. 从算法到临床问题:证据就绪框架
术语澄清:ML模型学习映射,经典方法(逻辑回归、支持向量机、随机森林、梯度提升)使用预定义特征并保持竞争力;DL使用多层神经网络直接从原始输入学习特征;影像组学提取高通量定量图像特征;基础模型通过自监督预训练并适应少量标签。临床关注的是问题结构和证明标准。一系列问题贯穿全程:检测、分割、鉴别诊断、分期、分子特征、预后和获益预测。每个分析均采用作者定义的证据就绪阶梯——开发、内部验证、外部验证(时间、地理、单中心、多中心或跨境)、前瞻性验证、论证的临床影响和常规实施——以及四个正交维度:验证(输出在适用人群中的稳健性)、比较器(是否与真实临床标准对比)、可操作性(输出是否改变决策)和影响(使用是否改善护理)。总体成熟度指征需在四个维度评估后赋予,因为它们不可互换。指标纪律:区分度(AUC、灵敏度、特异度)不代表校准或决策实用性。校准(预测风险与观察风险的一致性)决定决策阈值可用性。决策曲线分析评估使用模型在阈值范围内的收益。筛查时,阳性预测值和阴性预测值必须在实际应用患病率下报告。胰腺AI文献几乎普遍报告AUC,很少报告校准或决策曲线分析。本综述优先考虑校准、决策分析评估和外部验证的模型,并视AI特异性报告标准(如STARD-AI)为基线。校准和决策曲线极大缺失本身是重要的证据缺口。
3. AI在生物学发现与转化研究中的应用
PDAC的分子架构(KRAS、TP53、CDKN2A、SMAD4突变,基底样与经典亚型)由常规基因组学确立。AI在亚型发现中的贡献主要是提高分类的稳健性和跨队列重现性,多组学集成ML可恢复并稳定亚型,但缺乏增量可操作性。多数停留在内部或外部验证阶段,可操作性和影响评分低。AI在细胞状态和空间推断中更为独特,单细胞分析揭示了肿瘤浸润淋巴细胞状态,解释了免疫惰性。最临床导向的工作是靶点识别和药物重定位,如综合流程优先提名IGF2BP2高恶性状态并重定位孟鲁司特作为候选抑制物,但证据严格为临床前且受限于细胞系,工作浓度超过可达到的临床血浆水平。药物发现方面,基于结构的深度学习、虚拟筛选和生成设计被应用于“不可成药”靶点,如KRAS,但受限于肿瘤致密基质和耐药。没有主要依赖AI发现的靶点已改变临床实践。
5. 风险预测与早期检测
任务区分:风险富集、筛查、早期检测和诊断。因PDAC患病率极低,筛查要求极高特异性。汇总证据:2026年影像组学早期检测荟萃分析(15研究,14,688例)报告敏感性0.88,特异性0.93,但I2为88–95%。EHR AI模型荟萃分析汇总AUC 0.785,阳性预测值在人群患病率下<1%。液体活检加AI荟萃分析显示高特异性但早期敏感性波动大。一致信息:标题准确率高但异质性大,外部验证稀缺,尚无模式满足人群筛查需求;可信路径在于靶向高风险人群。里程碑研究:基于诊断代码序列的Transformer模型训练于约600万丹麦和300万美国退伍军人,预测36个月内偶发PDAC,AUC 0.88,跨国家降至0.71,需重新训练。END-PAC评分聚焦新发糖尿病,AUC 0.87,进入前瞻性早期检测试验。影像组学在常规CT上检测到癌变特征,AUC 0.98对比放射科医师的0.66。3D-CNN诊断AI在预测性CT上识别视觉隐蔽的癌前病变,AUROC 0.91。REDMOD在模拟低患病率装置中AUC 0.82。这些均为回顾性、病例对照研究,未在前瞻性真实患病率下评估。液基方法提供正交方法学。
6. AI在胰腺影像中的应用
PANDA(非造影CT检测)和PANORAMA(增强CT基准)是最严格的验证证据。PANDA在20,530例连续队列回顾性真实世界评估中特异性达99.9%。PANORAMA为开放多中心基准,68位放射科医师参与,AI系统AUC 0.92高于医师池0.88,满足预定义非劣效和优效标准且误报更少。这些是多中心、放射科医生基准且含真实世界评估。但PANDA真实世界为回顾性,PANORAMA为受控读者研究,均未证明部署能改变分期或生存。聚合影像诊断性能高,但异质。区分精准价值有限。区分手工影像组学与深层特征;诊断与放射基因组学。 MRI/PET证据成熟度较低。EUS接近临床应用,有前瞻性随机证据(单中心随机试验中实时胆胰EUS工具改善病变识别),但结果限于中间终点。
7. 计算与数字病理学
免疫表型分类器使用AI全片分析仪分类免疫炎症、免疫排除点或免疫疤痕,独立预测总体和复发生存期。但为单中心、前瞻性活检验证缺失。启发AI分割术后新辅助标本中的残余肿瘤已标准化并国际验证。一般轨迹为分子表型预测、病理学基础模型,但多数PDAC病理AI仍为回顾性、单中心且依赖扫描仪和染色特异流程。自动化和肿瘤检测在技术上已解决,但临床后果有限。分子表型预测仍阳性检验中。
8. 多模态与多组学AI
多模态趋势,但核心测试为增量价值。Molecular Twin平台整合6363个特征预测生存,外部验证。结果:全多模态模型最准确;精简589特征模型匹配全量模型;血浆蛋白单独预测性最强。另一多模态DL研究集成CT和临床变量,仅获AUC 0.637内部达,外部0.571–0.675,表示真实外部验证中增量有限,且校准和决策曲线缺失。数字孪生(Digital twin)在基底样亚型中优于传统Moffitt分层,但属亚组和方案限制。多模态优势在于生物学分布统一,但要求归纳验证,且目前增量值有限。
9. AI用于精准治疗与应答预测
严格区分预后期与预测性标志物。GemPred(辅助吉西他滨敏感性)和Pancreas-View(各获批方案敏感性)从随机PRODIGE-24试验外部验证,显示治疗-标志物交互作用(HR 0.31/0.40与基线比)。但为回顾性,无前瞻性决策辅助。PANCprAId为组织学DL标记,试验验证显示治疗交互作用显著(p = 0.003/0.001),是符合预测性标准信号。影像学模型(CT影像组学)预测HER2
10. AI在胰腺外科和围手术期护理中
术前分段模型评估切除性,但限于内部验证。术后预测并发症:集成模型预测POPF,AUC 0.75。注册表中心模型预测“无效手术”,AUC 0.689。挑战在于不恰当的基线比较(应对比风险评分)。术中“手术组学”概念属概念验证。LLM在肿瘤委员会支持中依赖提示工程,在难决策时偏离专家。
11. 预后、复发与监测
预后建模饱和,绩效归因于缺乏对正常阶梯的增量检验和预后/预测成分不清。最严格贡献如H&E免疫表型分类器、对应平移,但测不会改善复发模型。转移检测对可预期部位和时机意义更甚。监测中尚无深度学习预测诊断前工作转移至术后,数据集迁移风险未检测。
12. 新兴技术
基础模型在影像和病理中初步,数字化孪生仍待验证。联合学习匹配数据碎片化问题,但PDAC部署很少。合成数据有造假风险。基于LLM的决策支持系统不可依赖。
13. 从性能到临床实用性:转化差距
大部分应用停留在验证和演示之间。原因复杂:病例富集、单中心、回顾性设计导致指标乐观;外部部署时数据集转移;泄漏和过度拟合;不充分比较器;校准缺失;类别不平衡;分割依赖性;缺乏前瞻性验证和部署。解释性、公平和法规是转化问题的一部分。数据代表性缺乏评估。数据泄漏模式明确:图像层切分、时序泄漏、特征选择泄漏等。放射组学重复性取决于获取参数,强调IBSI标准。智能技术风险包括假阳性、自动化偏见、知识漂移。经济评价缺失。
14. 未来方向与临床有价值胰腺AI的研究议程
主要优先事项:外部验证和前瞻性验证成为默认;早期检测按集成化队列策略定降;多模态按增量值、少量特征为基准;标准化报告(STARD-AI);坚持预测性标记通过交互设计和前瞻性试验验证;将流程整合和校准维护合并为首要研究目标。这与当前主导瓶颈(算法而非转化)一致,转化障碍是决策现在能否改善患者结局的根据。
15. 本综述的优点与局限性
局限性:叙述性和非系统性设计;选择依赖专家判断;偏重高产出报告;新区不独立确认。框架为作者定义的非有效工具,评估主观性,但显式定义,一致应用。优点是框架透明、区分性能和意义、核实数据。
16. 结论
AI在多个阶段具有优势,但CT检测和EHR风险富集证据充分,可支持前瞻性试验。其余领域内容丰富,但大多处于内部验证或概念验证水平。集中真实性显示汇总准确率高但异质性、低方法质量和外部验证缺失,表明聚合结果夸大了转化成熟度。多模态融合需以增量值为标准。治疗预测要尊重预测性标准。约束相当于外部验证、校准、比较和整合。判定标准将由“是否可靠可实施”决定。本综述仅少数应用达到标准,但标识哪些应用及缺憾处是目标。