| 郑孙易，刘佳鑫，崔效楠，王晶，叶兆祥.人工智能在肿瘤影像学中的应用进展[J].放射学实践,2025,(09):1093-1097 |
| 人工智能在肿瘤影像学中的应用进展 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.09.004 |
| 中文关键词: 人工智能 肿瘤影像 影像组学 深度学习 大模型 |
| 基金项目:国家自然科学基金(编号：82302180、82171932)；国家重点研发计划（编号：2021YFC2500400、2021YFC2500402）；四大慢病重大专项（编号：2024ZD0520000、2024ZD0520002）；天津市医学重点学科（专科）建设项目（编号：TJYXZDXK-010A）；天津市教委科研计划项目（编号：2024KJ182） |
|
| 摘要点击次数: 421 |
| 全文下载次数: 316 |
| 中文摘要: |
| 【摘要】人工智能（AI）正逐步重塑肿瘤影像学的诊疗模式。近年来，随着影像组学、深度学习及大模型等技术的迅速发展，AI已在肿瘤的早期筛查、辅助诊断、疗效评估和预后监测等方面展现出广泛的应用前景。影像组学通过高通量特征提取与建模，深入挖掘CT、MRI及PET等传统影像中潜在的生物学信息，可实现对多种肿瘤的无创诊断、风险分层及预后预测。深度学习依托端到端建模机制，进一步提升了乳腺癌、胰腺癌等病灶的识别率，并在肿瘤免疫治疗反应评估及动态监测中展现出优越性能。大模型则凭借其在复杂文本理解与跨模态数据整合方面的优势，正逐步应用于结构化诊断报告生成及纵向影像随访监测中，助力实现肿瘤影像解读与临床决策的深度融合。然而，AI在肿瘤影像领域的临床转化仍面临数据共享受限、模型可解释性不足及伦理监管缺位等挑战。未来，人工智能将进一步拓展在肿瘤影像教育培训、科研创新及远程诊断等场景中的应用，推动学术资源共享与技术普惠化落地，加速实现肿瘤影像学的智能化、个体化与精准化转型。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
