肿瘤是一种高异质性疾病，精准诊疗需要借助于不同尺度数据评判，然而肿瘤数据具有跨尺度、物理复杂、生物异质性等特征，传统影像学评估高度依赖医师主观判读，难以全面反映肿瘤特征。人工智能技术的发展，使高通量、高维影像特征的可重复提取成为可能，从而将传统影像升维为可量化、可挖掘的生物标志物。
2025年10月13日，上海交通大学医学院附属瑞金医院放射科主任医师李若坤应邀做题为“AI驱动的影像生物标志物在肿瘤精准诊疗中的应用”的报告。他的研究工作向与会者展示了利用深度学习技术实现计算机像临床专家一样来解析和理解跨尺度肿瘤数据。
报告中，李主任详细阐述了通过超声、CT、MRI与PET的多参数、多时相配准与融合，AI系统可在像素水平实现肿瘤亚区域划分，与多组学（基因组、转录组、免疫组）数据整合，可构建跨模态融合模型，进而用于早期筛查、分子分型、疗效动态监测及预后风险评估，为个体化治疗决策提供循证依据。多尺度量化提供互补的肿瘤洞察力，组织学和基因组分析提供特定的小规模洞察，有助于验证放射学结果，利用垂直领域多模态大模型，实现癌症早筛、精准诊断、随访监测、疗效评估、预后预测的全周期智能管理。此外，李主任还介绍了生境这一新兴方法，通过将肿瘤影像局部区域特征聚类，对肿瘤空间异质性进行定量表征，助力影像生物标志物挖掘，为肿瘤精准诊疗奠定基础。
当前，随着技术的日新月异为医学研究提供了多种强有力的工具，也为疾病诊断、治疗提供更多有效信息，造福病患。
