人工智能（AI）正助力精准预测溃疡性结肠炎（UC）患者发展为结直肠癌的风险。一项由加州大学圣地亚哥分校（UC San Diego）研究人员主导的新研究发现，结合人工智能与生物统计模型的系统，可准确识别出哪些UC伴低级别异型增生（LGD）患者最可能进展为癌症。该成果于2月17日发表在《临床胃肠病学与肝病学》期刊上，有望显著提升临床决策质量与患者管理效率。 研究人员构建了一套全自动AI工作流程，从美国退伍军人事务部（VA）医疗系统中超过5.5万名患者的电子病历中，自动提取并分析结肠镜检查与病理报告等临床资料，识别出UC-LGD患者，并评估其个体化癌症风险。该数据集是目前美国规模最大的同类研究数据。 研究显示，大型语言模型能够从冗长的临床笔记中精准提取关键风险因素，如LGD病灶大小、多发性病灶以及结肠严重炎症程度等，这些因素对判断癌症进展至关重要。AI不仅能识别这些信息，还能生成可量化的风险评分，为医生和患者提供客观依据。 “目前风险评估很大程度依赖医生主观判断，缺乏足够数据支持，”研究负责人、UCSD医学院生物医学信息学系助理教授Kit Curtius指出，“而这项AI系统能快速读取病历并输出风险评分，使临床决策更科学、高效。” 该技术还可帮助识别需要及时复诊的高风险患者，减少随访延迟，从而降低结直肠癌发生风险。未来研究将拓展至VA系统以外的患者群体，并整合基因组信息等新兴风险因素，进一步提升预测能力。研究团队表示，基因组数据在癌症进展中扮演关键角色，未来将纳入模型优化。 本研究团队还包括UCSD的Brian Johnson、Hyrum Eddington，以及UCSD与VA圣地亚哥医疗中心的Samir Gupta、Shailja C. Shah，和伦敦大学学院医院的Misha Kabir。