编者按：第十四届国际胃癌大会（IGCC 2022）以“胃癌科学的发展，胃癌治疗的未来”为主题，展示了当前胃癌诊疗领域的新进展、新技术。本次会议上，MD安德森癌症中心的Naruhiko Ikoma教授与欧洲胃肠内镜学会（ESGE）主席Mário Dinis-Ribeiro教授共同主持了“Artificial Intelligence in the Management of Gastric Cancer”专题会议，三位受邀讲者专题报告，分别探讨了人工智能（AI）在胃癌病理诊断中的作用、AI用于内镜诊断、AI成像在指导胃癌消化道重建中的应用等话题。在会议现场上，“肿瘤瞭望-消化时讯”邀请MD安德森癌症中心的Naruhiko Ikoma教授就相关问题分享了自己的观点。
Ikoma教授指出，我们清楚地看到了AI在诊断方面（比如病理诊断和放射诊断）的未来潜力，我们也看到了利用AI技术开发新药的潜力。韩国延世大学医学院Woo Jin Hyung博士向我们展示了采用AI技术的CT扫描图像在胃癌消化道重建中指导手术的益处，以及AI提供治疗指导的未来潜力。未来，AI在胃癌管理中具有巨大潜力，相当令人兴奋。
本次会议上，众多专家也以壁报形式展示了AI在胃癌诊断、治疗及预后预测中的作用。
胃肠道内镜和活检的病理发现是早期胃癌诊断的基础。然而，由于局部手术，活检标本的信息是有限的。病理医生诊断的胃上皮内瘤变（GIN）是胃癌前病变状态。日本Yoshiyuki Watanabe等开展研究探讨了AI为基础的内镜结合mir148a甲基化在GIN诊断中的应用，比较医生实施的内镜检查（内镜专家3名，实习内镜医生3名）、基于AI的内镜检查和/或分子标志物在诊断GIN病变中的准确性。研究共招募24 388例接受内镜检查的患者，其中71例患者被诊断为GIN。通过几种方法对72个GIN病例中的32例内镜下黏膜下剥离（ESD）病例和32个内镜下切除的组织进行评估，以确定良性和恶性病变。结果显示，内镜专家组的ROC曲线（AUC：0.931）准确度最高，其次为AI联合miR148a DNA甲基化（AUC：0.825），再次为实习内镜医生组（AUC：0.588）。研究认为，基于miR148s DNA甲基化的AI诊断是一种潜在的GIN诊断模式。
加拿大Daniel Skubleny等回顾性分析来自10个公共数据库中2202例胃癌患者数据，并基于复合分子亚型建立了胃癌患者的个性化生存模型。机器学习分类法创建以下分析模型：癌症基因组图谱（TCGA）、亚洲癌症研究小组（ACRG）和肿瘤微环境评分（TME）。多变量生存分析结果显示，TME高可提供最大的生存效益（HR 0.42 [95%CI：0.34~0.51]，P<0.001）；倾向评分匹配队列中，在化疗患者中，TME高患者的生存结局改善（HR 0.58 [95%CI 0.36-0.93]，P=0.02）；多任务Logistic回归（MTLR) ISD模型分析显示，10倍CV，一致性指数（C-Index）为73%。该分析是对胃癌多分子亚型的最大的一项分析。研究提示，TME评分在胃癌中是一个重要的混淆因素。根据TME评分所定义的有效的免疫反应，是胃癌最重要的预后分子特征。为推进个性化医疗，我们可以根据患者的病理特征和分子亚型组成计算出患者的个体生存曲线。
MD安德森癌症中心的Annamaria Agnes等开展了旨在应用放射组学建立对胃癌新辅助化疗（NAC）反应的预测模型的研究。研究中，主要反应（MR）定义为TRG 1~2，对NAC反应不佳（PR）定义为TRG 4~5。从诊断性CT扫描中分割和识别感兴趣区域（ROI）。导入MODDICOM的图像，从ROI提取放射组学特征。创建和验证模型，包括初步选择放射学特征，应用Logistic回归分析建立MR或PR状态的放射组学和联合放射组学临床病理预测模型，对每个模型进行内部验证。结果显示，在预测MR方面，接受CF、FOLFOX、ECF/EOX或FLOT（n=77）的患者：AUC 0.876，95%CI：0.786~0.966；在预测PR方面：接受ECF/EOX或FLOT（n=61）的患者：AUC 0.760，95%CI：0.639~0.882；接受奥沙利铂基础化疗的患者（n=53）：AUC 0.810，95%CI：0.692~0.928；接受FLOT的患者（n=40）：AUC 0.907，95%CI：0.818~0.995。
总之，AI在胃癌诊断（放射诊断或内窥镜诊断）及手术方面具有非常可靠的辅助作用。相比人类，AI可更准确地帮助诊断，但AI并不能为未来患者的结果负责。这就如自动驾驶汽车一样，如果发生事情，AI并不会被起诉或承担责任。如何量化AI的可靠性？如何处理未来的可靠性问题？在患者理解方面以及与政府和立法者合作方面，这可能是我们面临的需要解决的最大挑战。
