2025年欧洲血液协会（EHA）年会于线上线下同步盛大召开，汇聚了全球血液学领域的顶尖专家与学者。本次大会聚焦前沿科技与临床实践的深度融合，其中，人工智能（Artificial Intelligence, AI）的应用成为核心议题之一。德国德累斯顿工业大学的Jakob Nikolas Kather教授受邀发表了题为“人工智能在血液学中的应用：机遇、陷阱以及如何将其引入临床实践”的主题报告，系统阐述了AI技术从早期探索到当前大模型时代的革命性变迁，并重点介绍了其团队在AI智能体（AI Agents）赋能肿瘤委员会（Tumor Board）决策方面的开创性研究，为AI在血液肿瘤领域的未来发展指明了方向。
近年来，人工智能技术浪潮席卷全球，深刻地改变着各行各业，医疗健康领域尤其是肿瘤学和血液学，正站在变革的前沿。在2025 EHA年会上，来自德国德累斯顿工业大学的著名学者Jakob Nikolas Kather教授，以其深厚的临床与科研背景，为我们描绘了一幅AI技术在血液肿瘤领域应用的“进化图谱”，并分享了从现有技术落地到未来自动化决策的实践路径与深刻洞见。
人工智能发展浪潮：从“沃森”到Transformer架构的演进
报告伊始，Kather教授回顾了AI在肿瘤学领域的两次发展浪潮。他指出，许多人还记得十余年前，以IBM“沃森肿瘤解决方案”（Watson for Oncology）为代表的第一次AI热潮。当时，业界对其寄予厚望，但最终因承诺未能兑现而逐渐沉寂。然而，技术的脚步从未停歇。随着2023年ChatGPT的问世，我们迎来了由大型语言模型（Large Language Models, LLMs）驱动的全新AI时代。
这一轮技术革命的核心驱动力有三：一是名为“Transformer”的新型神经网络架构的出现及自监督学习（Self-supervised Learning）技术的成熟；二是前所未有的大规模数据应用；三是指数级增长的算力支持。Kather教授强调，一个关键的认知是——投入更多的资源（数据与算力）能稳定地提升模型性能，这直接催生了全球范围内的巨额投资。无论是美国承诺的5000亿美元，还是欧盟规划的超2000亿欧元，其首要的社会价值论证都指向了医疗健康，特别是癌症治疗的突破。“这不仅是巨大的机遇，更赋予了我们临床医生将这些投资转化为社会福祉的责任。”Kather教授说道。
从影像学分析到临床验证：人工智能的坚实落地与挑战
在迈向通用人工智能的道路上，AI的临床应用早已不是空中楼阁。Kather教授指出，在2023年之前，绝大多数获得监管批准的医疗AI设备都与医学影像学分析相关。在血液学领域，AI的应用同样成果斐然，例如，通过图像分析进行恶性血液病的细胞学分类，甚至能从常规的急性髓系白血病（AML）图像中，预测出人类专家无法直接识别的NPM1基因突变状态，实现了从图像到生物标志物的跨越。
然而，技术的潜力必须经过严格的临床证据检验。Kather教授引用了一项发表在《柳叶刀·肿瘤学》（The Lancet Oncology）上的里程碑式研究作为例证。该研究是一项前瞻性随机对照试验，纳入了十万名女性进行乳腺癌筛查，结果证实AI辅助筛查在达到其主要终点方面是安全有效的。“这为我们评估所有AI技术设立了金标准。”他表示。基于此，欧洲肿瘤内科学会（European Society for Medical Oncology, ESMO）等权威机构正在积极制定AI生物标志物的验证指南，旨在为这一新兴领域的健康发展提供规范化路径。
大型语言与视觉模型：重塑临床决策与数据利用
当前，尽管已有获批的AI医疗设备，但其在临床的渗透速度远不及以ChatGPT为代表的通用大模型的“影子使用”（shadow use）。Kather教授引用一项研究称，英国高达20%的全科医生在日常工作中使用此类工具，而真实比例可能更高。他强调，任何情况下都绝不能将患者相关的敏感数据输入公共的商用AI工具，并呼吁各家医院尽快部署安全可控的院内大模型，以规避数据安全风险。
在临床决策支持方面，大型语言模型已展现出惊人的潜力。一项针对《新英格兰医学杂志》（NEJM）发表的疑难病例的评估显示，一个半年前的旧款大模型诊断正确率可达80%，远超人类医生的30%。Kather教授指出，尽管LLM存在知识库更新不及时等问题，但通过“上下文学习”（即向模型提供最新的指南或病历资料），其性能可获得巨大提升。此外，LLM在处理非结构化医疗文本，如从数万份病理报告或出院小结中自动提取结构化数据方面，展现了颠覆性的效率，将极大推动真实世界研究的开展。
同时，Kather教授还介绍了视觉语言模型（Vision-Language Models, VLMs）这一前沿方向。这些模型能够同时理解图像和文本，如哈佛医学院团队开发的PathChat，在回答医学图像相关问题时已表现出超越通用模型的能力。
AI智能体：迈向自动化肿瘤委员会决策的未来
本次报告的最大亮点是，Kather教授对其团队最新研究成果——AI智能体（AI Agents）的介绍。他生动地解释道：“大型语言模型能告诉你如何从米兰到德累斯顿，但它无法为你订票。而AI智能体，则可以连接到其他软件（如订票网站），并代表你执行操作。”这标志着AI从被动回答向主动执行的跨越。
这一革命性技术正被应用于软件开发、生物信息学等多个领域。而在医疗领域，Kather教授团队率先实现了将其用于自动化肿瘤多学科会诊（MDT）的决策过程。他们于近期发表的论文中，构建了一个基于大型语言模型的AI智能体系统。该系统的核心优势在于，主模型作为“总指挥”，能够理解复杂的病例信息，并智能调用其他专为分析放射影像、病理图像、分子病理报告等不同数据模态而训练的子模型。系统能自动整合、迭代分析所有信息，最终形成专家级别的综合诊疗建议。
“自动化肿瘤委员会是我们梦想了十余年的目标，过去因技术限制而遥不可及，”Kather教授总结道，“我们有理由相信，基于大型语言模型的AI智能体技术，正是实现这一目标的正确路径。”
未来展望与监管思考：在机遇与风险中前行
展望未来，AI在医学领域的角色引发了更深层次的思考。Kather教授提及美国一项正在讨论的立法草案，该草案竟提议在特定条件下赋予AI开具处方药的“从业者”资格。这虽然听起来像科幻小说，却真实反映出该技术带来的巨大冲击。
然而，机遇与风险并存。随着AI智能体获得更大的自主权，其潜在的错误也可能造成更严重的后果。Kather教授提醒，医疗领域必须比其他任何领域都更加保守和规避风险，对新技术的应用保持审慎。
报告的最后，Kather教授呼吁在血液学界内部加强对AI技术的讨论与合作，并预告了即将在柏林举行的ESMO人工智能与数字肿瘤学大会将对这些议题进行更深入的探讨。他强调，其团队由一半医生和一半计算机科学家组成，这种跨学科的深度融合是开发出真正满足临床需求的AI工具的关键。
本次报告清晰地展示了人工智能在血液肿瘤领域从辅助工具到合作伙伴，再到未来潜在决策者的演进路径。Jakob Kather教授的研究不仅为临床带来了前所未有的想象空间，更彰显了跨学科合作在全球健康科技创新中的核心价值，推动我们向着更精准、更高效、更智能的肿瘤诊疗新纪元稳步迈进。