湖北省肿瘤医院刘玉林、欧武陵教授团队基于增强CT影像，构建人工智能预测模型，实现对晚期肺癌抗血管生成治疗效果的早期无创评估。相关研究论文日前发表于国际期刊《科学进展》。

据悉，抗血管生成治疗是晚期肺癌综合治疗的重要手段，常与化疗、免疫治疗、靶向治疗联合使用。其核心原理是通过阻断血管内皮生长因子信号通路，消减肿瘤周围渗漏、不成熟的异常血管，重建规整的血管网络，从而改善肿瘤内部供血环境，帮助化疗药物和免疫细胞更好地抵达病灶，进而抑制肿瘤生长。然而，在真实临床场景中，患者个体治疗效果差异显著，仅有40％～70％的患者能够从中获益；部分患者不仅无法从中获益，还要承受药物带来的毒副作用。因临床上长期缺乏便捷可靠的早期评估手段，医生难以提前筛选潜在获益人群。

为此，湖北省肿瘤医院放射科与内科团队开展联合攻关。研究团队以该院163例晚期肺癌患者的影像数据为基础，借助人工智能（AI）工具深度学习，提取患者治疗前后动态血管形态特征，捕捉抗血管生成药物带来的血管重塑改变。研究证实，治疗过程中肿瘤血管的重塑变化，是判断抗血管生成治疗效果的核心信号：形态越规整、越简洁，代表药物作用发挥得越好。

基于以上数据和发现，研究团队研发出一套AI预测模型。该模型采用可解释AI算法，每一次预测均可溯源、可视化，既可提示医生治疗大概率有效或无效，还能在CT影像上标注出判断依据。为验证模型可靠性，研究团队还引入华中科技大学同济医学院附属协和医院的82例病例开展外部验证，证实该模型在真实临床场景中的预测准确率明显优于传统预测模型。

刘玉林介绍，该模型全自动流程可直接嵌入现有工作体系，临床转化前景广阔。届时，患者在开展抗血管生成治疗的初期，只需间隔较短时间完成两次增强CT检查，模型就能据此准确预测治疗效果。医生调取CT报告时，AI预测结果可同步呈现，便于及时调整治疗方案。（特约记者 王芳 通讯员 孙轶惟 胡奎）

（来源：《健康报》2026年9月22日 第二版）