News Medical 2026年7月28日报道，发表于Cell的一项研究介绍了名为Oncoformer的人工智能模型。该模型是一种多模态transformer框架，使用纵向电子健康记录和机会性采集的胸部X线片，尝试支持癌症检测和管理。研究称，模型可分类当前癌症状态，识别一年内将被诊断为癌症的人群，推断诊断时分期，并预测治疗反应和复发风险。
研究背景是，许多癌症仍在进展后才被诊断，错过治疗效果通常更好的窗口期。器官特异性影像检查费用较高，并可能带来辐射暴露，且无法提供泛癌风险评估；多癌种血液检测仍较昂贵，早期灵敏度也不稳定。既有AI框架往往只解决单一任务，或依赖临床上不易常规获得的专门数据。
研究团队使用COMPASS-Main数据开发模型，该数据集包括281万余名个体和1193万余次临床就诊。合并COMPASS-Main和COMPASS-Replication后，整理数据覆盖约367万人、1775万次医疗接触，其中包括347940名I至IV期癌症患者，以及超过332万名非癌症对照；非癌症对照中也包括有合并症和已知癌症风险因素的人群。
模型验证使用COMPASS-Replication队列，包含862247名参与者；研究还利用英国生物样本库进行跨人群分析，该资源包含502665名参与者，研究者从中识别出44275名癌症参与者，并构建匹配病例对照队列。Oncoformer通过重构被遮蔽的临床信息来学习个体健康图谱，同时降低缺失数据和队列差异的影响。
根据报道，Oncoformer在现有癌症诊断、一年内癌症发生预测和分期推断方面显示较强区分能力。对于一年预测任务，研究者排除了诊断前90天内记录的临床数据，以减少模型直接依赖临近诊断信息的可能。模型还被用于6种癌症治疗场景下的治疗后肿瘤或生物标志物轨迹预测，并对10种癌症的无复发生存风险进行分层。
这项研究仍属于模型开发和回顾性验证阶段。报道明确指出，在进入临床使用前，还需要在更多样化、平均风险人群中开展大型前瞻性随机对照研究。当前结果不能理解为已有可用于个人筛查或替代医生判断的工具，其意义在于展示常规病历与既有影像数据可能为癌症风险适应性监测提供新的研究路径。
原文链接：http://www.news-medical.net/news/20260728/AI-model-predicts-cancer-diagnoses-up-to-a-year-in-advance-using-routine-clinical-data.aspx
免责声明：本文仅供医学资讯参考，不构成诊疗建议。
