2026年8月14~16日，中国抗癌协会子宫体肿瘤专业委员会（CUCS）年度学术会议暨妇科恶性肿瘤新进展及分子诊疗实践学习班、第十五届华南卵巢癌论坛于广州盛大召开。本次大会聚焦妇科肿瘤领域前沿进展与临床转化，汇聚全国顶尖专家共话诊疗规范与创新方向。
编者按：2026年8月14~16日，中国抗癌协会子宫体肿瘤专业委员会（CUCS）年度学术会议暨妇科恶性肿瘤新进展及分子诊疗实践学习班、第十五届华南卵巢癌论坛于广州盛大召开。本次大会聚焦妇科肿瘤领域前沿进展与临床转化，汇聚全国顶尖专家共话诊疗规范与创新方向。
大会期间，肿瘤瞭望特邀复旦大学附属肿瘤医院吴小华教授进行专访。吴小华教授围绕人工智能在卵巢癌全病程管理中的高价值应用场景、临床落地面临的关键壁垒，以及未来多中心验证与普惠推广路径进行了深入分享。
肿瘤瞭望：当前AI技术已经在筛查、影像诊断、手术规划、预后评估等多个临床场景逐步落地，结合您的临床实践，您认为AI当前在妇科肿瘤领域最具临床推广价值的应用场景是什么？
吴小华教授：卵巢癌是一种高度异质性的疾病，从患者初诊评估、手术治疗，到系统治疗、维持治疗以及长期随访，每一个阶段都存在大量需要精准判断的临床问题。在实际诊疗过程中，我们最关注的并不是单纯“预测一个结果”，而是如何利用现有信息帮助医生做出更加精准的治疗决策。例如，治疗前如何识别可能存在耐药风险的人群，术前如何判断患者能否实现满意减瘤，以及治疗后如何更加准确地评估复发风险，这些都是直接影响患者治疗路径和预后的关键问题。
过去，我们主要依靠患者年龄、FIGO分期、组织学类型、病理特征以及部分分子标志物进行风险评估。这些指标在临床实践中发挥了重要作用，但卵巢癌本身具有非常复杂的生物学异质性，仅依靠传统指标仍难以完全解释不同患者之间疾病进展和治疗反应的差异。
我在本次大会报告中也分享过一个临床案例：两位患者年龄相同，均为45岁，均诊断为FIGO IIIC期高级别浆液性卵巢癌，但一位患者术后24个月才出现复发，而另一位患者术后仅10个月即发生疾病进展。这样的临床差异提示我们，即使患者具有相似的年龄、分期和组织学类型，其疾病生物学行为仍可能存在明显不同。传统临床指标能够提供重要依据，但仍有大量隐藏在影像、病理以及分子数据中的信息尚未被充分利用。人工智能的优势，正是在于能够从多维度数据中进一步挖掘这些人眼难以直接识别的信息。例如，通过影像人工智能、数字病理分析以及多组学信息融合，可以帮助我们更加全面地理解肿瘤特征，为患者风险分层和治疗决策提供新的辅助依据。
梳理下来，当前卵巢癌临床亟待解决的核心问题主要集中在几个关键节点：患者是否适合直接手术、能否实现满意减瘤；哪些患者可能对标准治疗获益有限、存在早期耐药风险；以及随着治疗推进，患者的疾病状态如何变化，下一步治疗策略应该如何调整。因此，我们团队目前探索的方向，是围绕卵巢癌全病程中的这些关键临床决策，建立多模态智能辅助体系。通过融合患者长期积累的临床资料、影像信息、病理数据、分子特征以及治疗过程中的动态变化，使人工智能不再只是在某一个时间点给患者做一次风险判断，而是能够随着新的检查结果和治疗反馈不断更新对患者状态的认识。每增加一次检查、每完成一个治疗阶段，我们都应该重新认识这个患者，再决定下一步应该怎么走。
所以我认为，未来真正有价值的AI，不应该停留在“告诉我们会发生什么”，而要进一步帮助临床医生回答“下一步应该怎么做”。对于卵巢癌这样一个长病程、多节点的疾病，这意味着AI需要贯穿从初诊评估、手术规划、化疗和维持治疗，到复发监测和后续治疗的整个过程，把不同阶段的信息真正串联起来，形成连续的全周期诊疗支持。
同时，妇科肿瘤本身就是一个高度依赖多学科协作的领域。一个复杂的卵巢癌患者，往往需要妇科肿瘤、影像、病理、核医学以及分子诊断等多个专业共同参与。AI的一个重要价值，就是能够把这些原本分散在不同学科、不同时间点的信息放到同一个患者身上综合判断，把大型中心长期积累的规范、经验和多学科知识沉淀下来。它不是替代MDT，而是让MDT获得的信息更完整、判断更及时，也让高水平的多学科诊疗能力变得更加可复制。
这套体系还有两个我认为非常重要的价值。一个是促进临床和研究之间形成更紧密的循环。我们每天在诊疗过程中都会产生大量真实世界数据，这些数据不仅可以帮助我们管理当前患者，也可以反过来帮助识别新的高风险人群、寻找真正可能从某种治疗中获益的患者，并为临床试验入组、新治疗策略验证提供线索。临床不断产生新的问题和数据，研究再把新的认识带回临床，这个循环如果能够建立起来，AI的价值就不再只是一个单点工具。另一个更重要的价值是普惠。大型肿瘤中心可以依靠成熟的MDT完成复杂病例讨论，但并不是每一家医院都具备这样的条件。如果未来能够把大型中心长期积累的诊疗经验和规范，通过经过严格验证的智能系统沉淀下来，就有机会向更多医疗机构推广，帮助基层医生获得更加规范、及时的决策支持。AI最终的价值，不只是让最好的医院做得更好，更重要的是让高水平的诊疗能力能够覆盖更多患者。这也是我们探索AI赋能妇科肿瘤诊疗非常重要的初衷。
目前我们团队已经在这个方向开展了前瞻性布局，依托中心多年积累的大量卵巢癌临床病例，覆盖完整的影像、病理、全周期临床随访资料，同时联合工科AI技术团队开展深度跨学科攻关。我坚信这是未来妇科肿瘤诊疗发展的必然趋势，它不仅能为临床医生减负、大幅提升诊疗效率，更能为广大患者带来真正精准的个体化治疗方案。
肿瘤瞭望：非常清晰的思路，也让我们看到了AI技术在卵巢癌领域的巨大潜力。但当前行业内也普遍面临数据同质化不足、临床适配性有限、缺乏统一行业标准等现实问题，您认为未来我们该如何突破这些技术壁垒，推动AI在妇科肿瘤领域实现临床常态化落地？
吴小华教授：我觉得AI诊疗模型绝对不是“做完就上线”。我们依托本中心积累的大量卵巢癌病例，可以先建立模型，也可以完成比较严格的内部验证，但这只能证明模型在自己的数据上有效。真正准备进入临床，还必须到不同地区、不同层级的医疗机构进行多中心外部验证，看它在不同患者人群、不同设备和不同诊疗环境下是不是依然稳定。
而且我认为，现在评价一个AI模型，不能只看准确率或者AUC。模型在研究数据上表现很好，并不代表它进入真实临床以后一定有价值。更重要的是，它能不能真正帮助医生减少漏判、提高决策效率，能不能改变患者的管理路径，以及在什么情况下医生应该相信它、什么情况下必须重新判断。这些问题最终都需要在真实临床场景中，甚至通过前瞻性研究来回答。
要做到这一点，我认为有几个基础问题必须先解决。
第一，是数据标准。不同医院对于同一个临床问题，记录方式可能完全不同。比如手术残余病灶如何记录、疗效如何评价、复发时间从哪个时间点计算，如果这些最基本的定义都不一致，后面的多中心建模和验证就很难真正开展。所以我们首先需要建立一套临床上能够执行的核心数据标准，让不同中心的数据能够真正“对得上”。但标准化也不等于把所有东西都变成几个结构化字段。手术记录、影像报告、病理报告，包括患者整个治疗过程中的大量信息，本身就有非常高的价值。未来应该是在核心变量统一定义的基础上，把这些原始信息完整保留下来，让AI既能够利用标准化数据，也能够利用真实临床中这些更加复杂的信息。
第二，是原始多模态数据的规范化保存和质量控制。现在很多医院影像检查最后留下的是一份文字报告，但对于AI来说，真正有价值的信息往往还在原始CT、磁共振、PET-CT以及数字病理图像里面。如果原始数据没有完整保存，后面再好的算法也没有办法把这些信息重新找回来。所以未来不仅要解决数据“有没有”的问题，还要解决数据“质量是不是一致”的问题。不同设备、不同扫描参数、不同医院的数据分布都可能不一样，这些都会影响AI模型的表现。只有把采集、存储、脱敏、质量控制这些基础工作做好，模型才真正有可能从一个中心走向多个中心。
第三，是临床和人工智能团队必须长期合作。这件事情不可能靠临床医生单独完成，也不可能把数据交给工程团队以后就结束了。临床医生需要不断提出真正有价值的问题，判断哪些结果能够改变临床决策；人工智能团队则要根据临床反馈不断调整模型。一个AI系统真正进入临床以后，也不是固定不变的，还需要随着患者人群、诊疗规范和数据变化持续监测和更新。
我觉得还有一点非常重要，就是AI真正进入临床之后，必须明确它和医生之间的边界。哪些问题可以由AI辅助完成，哪些高风险决策必须由医生或者MDT最终确认；当模型没有把握、碰到超出训练范围的病例时，它应该能够提示医生，而不是强行给出一个答案。医疗AI最终要解决的不只是“做得准不准”，还包括“用得安全不安全”。
所以我认为，妇科肿瘤AI真正实现常态化应用，需要建立的不是一个单独的模型，而是一整套临床转化体系：前端有统一的数据标准和高质量多模态数据，中间有严格的多中心验证和前瞻性评估，进入临床以后还有明确的人机协作流程和持续监测机制。
只有这些环节真正打通，AI才能从一个研究成果，逐步变成医生日常工作中可以长期使用、患者也能够真正获益的临床工具。这个过程可能比单纯开发一个模型更难，但我认为这才是真正需要解决的“最后一公里”。
专家介绍
吴小华 教授
复旦大学附属肿瘤医院
复旦大学附属肿瘤医院 妇瘤科主任、妇科肿瘤多学科综合治疗团队 首席专家
复旦大学附属肿瘤医院 主任医师、教授、博士生导师
中国抗癌协会整合妇科肿瘤委员会 执行主任
中国抗癌协会卵巢癌专委会 主任委员
中国抗癌协会（CACA）常务理事
中国临床肿瘤学会 (CSCO) 理事
上海市抗癌协会 常务理事
中国抗癌协会妇科肿瘤专委会 前任主委
上海市抗癌协会妇科肿瘤专委会 前任主委
IGCS 国际委员会委员、亚太理事候选人
SGO 教育委员会委员、执行委员
西北大学Feinberg医学院妇产科系 客座教授
NCCN 国际审阅专家；Int. J. Gynecol Cancer, Cancer Medicine, J. Gynecol Cancer, 中华妇产科学，中华临床解剖学等杂志编委