前列腺癌作为美国男性癌症死亡的第二大原因，其发病率预计将从2020年的140万例增长到2040年的290万例。面对这一挑战，传统的成像技术、手术和雄激素剥夺疗法已逐渐被先进的成像技术、精准诊断、基因组学和靶向治疗所取代。AI的加入，尤其是大型语言模型（LLMs）的应用，为前列腺癌的早期发现、风险分层、治疗决策和预后评估带来了新的机遇（图1）。
早期筛查与诊断
风险分层与治疗决策
对于局部前列腺癌患者，AI辅助的风险分层（图2）能够根据患者的具体情况，如PSA水平、Gleason分级等，提供更精确的治疗建议。多模态深度学习架构能够整合数字病理图像和临床数据，预测患者的长期临床结果，从而指导治疗选择。
图2 人工智能在前列腺癌临床中应用的框架
转移性前列腺癌的管理
转移性或晚期前列腺癌的诊断是患者治疗历程中的关键转折点。AI技术在这一阶段的应用包括疾病体积评估、风险分层、治疗选择、准确识别去势抵抗状态以及临床决策支持。通过计算机视觉算法辅助放射科医生检测和量化转移负荷，以及通过自然语言处理（NLP）技术从临床文本中识别和预测患者的转移状态（图2）。
临床试验和药物开发
AI技术在临床试验设计、患者匹配、数据收集和管理以及生物标志物发现等方面发挥着重要作用。此外，AI在药物发现领域也展现出巨大潜力，通过分析多组学数据和药物反应，预测药物候选物的吸收、分布、代谢、排泄和毒性（ADMET）特性。通过分析大量数据，AI有助于识别潜在的药物靶点，预测药物反应，并加速新药的发现和开发过程。
前列腺癌生化复发
尽管AI在前列腺癌诊疗中的应用前景广阔，但它也面临着伦理、法律、监管和技术方面的挑战。保护患者数据隐私、管理AI系统可能出现的错误或偏见、提高AI模型的透明度和适应性是实现AI在临床实践中成功的关键。此外，AI模型的有效性高度依赖于训练数据的质量和多样性。解决这些挑战需要包括提高数据质量、增强模型透明度和建立AI使用的稳健标准和伦理框架在内的全面方法。
参考文献：Riaz, I. B., Harmon, S., Chen, Z., Naqvi, S. A. A., & Cheng, L. (2024). Applications of Artificial Intelligence in Prostate Cancer Care: A Path to Enhanced Efficiency and Outcomes. American Society of Clinical Oncology Educational Book, 44(3), e438516.
程亮(Liang Cheng)
医学博士 外科学博士(M.D., M.S.)
布朗大学沃伦·阿尔珀特医学院病理学和检验医学系转化研究副主席、解剖病理学主任、分子病理学主任
Vice Chair for Translational Research
Director of Anatomic Pathology
Director of Molecular Pathology
Department of Pathology and Laboratory Medicine
美国临床肿瘤学会（ASCO）“人工智能在前列腺癌护理中的应用”教育项目的主席。
研究方向：
主要研究方向为是泌尿生殖系统癌症的转化研究和实体肿瘤的分子诊断。
马建斌 医学博士
2021年毕业于西安交通大学医学部外科学专业。
发表SCI文章3篇（一作）；
主持一项国家自然科学青年基金。
声明：本内容仅供医学药学专业人士阅读，不构成任何实际治疗建议。转载后台请联系授权，侵权必究！
编辑：肖慧娟
校对：何婷
终审：马建斌
