面对恶性程度高、易产生耐药的肺癌，如何才能更快用上疗效更好、毒副作用更低的新药？当传统治疗陷入瓶颈时，临床医生又该如何为复杂患者量身定制最精准的用药方案？在第27届国际肺癌大会（ILCC）上，芝加哥大学医学系教授Marina Chiara Garassino公布的最新数据显示，人工智能（AI）技术正在全面重塑肺癌药物研发、临床决策支持和早期筛查诊断全流程，显著提升新药研发成功率与临床方案制定的精准度。
AI如何加速肺癌新药上市与破除耐药困境？
传统抗癌新药研发周期长达数十年，且面临极高的失败风险。大会报告显示，AI设计的抗肿瘤药物在早期I期临床试验中的成功率高达80%至90%，远超传统药物研发的40%至65%；而在II期临床试验中成功率约为40%，与传统研发持平。更关键的是，AI技术将候选分子最终成功推向市场的概率从历史上的5%至10%提高到了9%至18%，实现了概率的成倍增长。
| 研发阶段/指标 | 传统药物研发模式 | AI赋能药物研发模式 | 临床获益优势 |
|---|---|---|---|
| I期临床成功率 | 40% – 65% | 80% – 90% | 早期分子成药性与安全性大幅提升 |
| II期临床成功率 | 约 40% | 约 40% | 快速验证靶向有效性，降低盲目试错成本 |
| 最终上市转化率 | 5% – 10% | 9% – 18% | 上市成功概率翻倍，更多挽救生命的新药进入临床 |
目前，AI在药物研发中主要分为靶点生成、结构预测、分子亲和力评估、分子生成及患者级疗效预测等模块。尽管AI在静态结构预测和已知基因挖掘上表现出色，但面对肿瘤获得性耐药等动态突变，仍需结合多模态数据进行交叉验证，以进一步提高新药对耐药突变株的杀伤活性。
智能临床决策助手能否提升肺癌治疗精准度？
对于肺癌患者而言，每一次治疗方案的选择都关乎生存期。发表于权威期刊《Nature Cancer》的研究展示了一种构建于大语言模型与多模态工具上的自主肿瘤临床决策智能体。该系统融合了病理专项分析、影像分割及分子变异知识库，在20例复杂的多模态肺癌病例测试中达到了87%的决策准确率。
在欧洲，首个获得欧盟CE Class IIb医疗器械认证的生成式AI临床决策辅助工具Prof Valmed已正式落地，依托约250万份经过专业整理的权威医学文献，成为临床医生的“智能副驾驶”。同时，在I3LUNG临床可用性研究中，“可解释性AI”技术显著提升了医生预测肿瘤控制率与总生存期的能力：
- 疾病控制率（DCR）预测准确度提升：全体参与医生平均提升37%，其中非专科医生的预测准确度提升高达53%（专科医生提升23%）。
- 总生存期（OS）预测准确度提升：全体医生平均提升36%，非专科医生提升高达61%（专科医生提升14%）。
这一突破意味着，基层或非专科医生借助AI辅助系统，能够更精准地评估患者病情走向，避免过度治疗或方案延误，帮助更多患者制定更契合指南与前沿循证医学证据的个性化方案。
肺癌早筛与居家监测迎来智能化新手段
除了新药研发和用药决策，AI声学分析与多模态筛查工具也为高危人群及康复期监测提供了新方向。研究显示，通过整合60项特征的咳嗽声学分析多模态模型，能够有效辅助识别疾病进展与影像学改变。其中支持向量分类器模型在识别肿瘤进展相关结局中的灵敏度达到0.845，特异度达到1.0，为患者未来实现无创、便捷的居家疾病监测与随访提供了广阔前景。
打通前沿药物与诊疗方案的信息时差
虽然前沿AI技术正在快速推动全球肿瘤创新药的诞生与精准医疗普及，但对于国内广大肺癌患者而言，如何快速获取全球最新的诊疗方案、突破地域限制合法获得前沿靶向药物，仍是抗癌路上的核心痛点。
作为专注于消除全球医疗信息壁垒的抗癌互助平台，MedFind致力于为肿瘤患者提供全方位的支持。平台提供专业的AI辅助问诊与前沿治疗方案解读服务，依托全球权威指南与文献数据库，帮助患者梳理复杂病情、寻找潜在用药机会；同时，针对急需海外新药的患者，MedFind提供安全合规的抗癌药品跨境直邮服务，打通海外原研药物与仿制药物的可及通道，让全球医学前沿成果真正惠及每一个抗癌家庭。
【参考文献】
1. Garassino MC. Potential of AI-assisted approaches in lung cancer. Presented at: 27th Annual International Lung Cancer Congress; July 24-25, 2026; Huntington Beach, CA.
2. Sada Del Real K, Swamy VS, Arcagni J et al. Foundation models and deep learning for cancer drug response prediction: a framework for data, metrics, and validation. Brief Bioinform. 2026;27(3):bbag225. doi:10.1093/bib/bbag225
3. Ferber D, El Nahhas OSM, Wölflein G, et al. Development and validation of an autonomous artificial intelligence agent for clinical decision-making in oncology. Nat Cancer. 2025;6(8):1337-1349. doi:10.1038/s43018-025-00991-6
