《中华肿瘤防治杂志》智能技术专刊稿件征集
- Solitation Plan-
肿瘤作为高度异质性的复杂疾病类型，其进展演变涉及从分子层面至器官层面的多维度病理变化。传统诊疗模式中，影像学、病理学、基因组学及临床资料等呈现"信息孤岛"格局，难以达成跨尺度数据的有机整合。影像学评估对医师主观经验依赖度较高，难以完整呈现肿瘤特性；多组学数据分析则面临高维度、稀疏性、非线性等技术挑战。
人工智能技术的突破性飞跃，特别是多模态大语言模型（MLLMs）的快速发展，为克服上述难题开辟了崭新途径。通过融合MRI、CT、PET等成像技术与基因组学、转录组学、蛋白质组学等多组学信息，AI模型能够实现对疾病的全面认知，在肿瘤亚型分类、生存预后预测及精准医疗等方面展现出广阔前景。此外，AI驱动的影像生物标志物可将传统影像升级为可量化、可挖掘的定量数据，支持从像素层面完成肿瘤亚区域划分，与多组学数据结合构建跨模态融合框架。
当前，国内已涌现出一批代表性成就。华中科技大学同济医学院附属同济医院推出的"同济·木兰"女性肿瘤AI大模型，整合临床信息、影像资料、病理数据、基因检测数据等多源异构信息，覆盖从预防、早期筛查、诊断到个体化治疗的疾病管理全流程。湖南省肿瘤医院自主研发的"小桐智能医疗协同平台"，以医疗大模型引擎为依托，毫秒级完成多模态数据融合与诊疗决策优化，已实现全院级部署应用。这些实践表明，AI驱动的多模态融合正从理论探讨迈向临床落地。
本专栏聚焦"人工智能驱动的多模态数据与肿瘤精准防控一体化研究"主题，诚邀以下方向的论著、综述与评论投稿：
方向一：多模态数据融合的AI方法学创新:医学影像与多组学数据的跨模态融合模型（如CNN、Transformer、MLLMs）、多模态大语言模型（MLLMs）在肿瘤诊疗中的构建与应用、不确定性量化（Uncertainty Quantification）与可解释性AI在肿瘤诊断中的研究
方向二：AI驱动的肿瘤早期筛查与风险预警：基于多模态数据的肿瘤高危人群智能风险评估模型、肺结节、乳腺结节、卵巢囊肿等癌前病变的AI辅助筛查与分流、液体活检（ctDNA、CTC）与影像数据的AI融合早期预警
方向三：精准诊断与分子分型：多模态数据驱动的肿瘤分子分型与病理亚型识别、基于AI的影像组学与病理组学融合诊断模型、罕见肿瘤和疑难病例的AI辅助诊断
方向四：治疗决策支持与疗效预测：新辅助治疗、免疫治疗、靶向治疗的疗效早期预测模型、基于类器官与AI的高通量药物筛选、肿瘤治疗耐药机制发现与规避策略的AI辅助研究
方向五：全周期管理与预后评估：AI驱动的肿瘤患者全程化管理平台构建、基于多模态数据的复发转移风险预测模型、伴随共病肿瘤患者的AI辅助综合管理
方向六：临床转化与落地实践：AI辅助诊断系统的多中心临床验证研究、人机协同（Human-AI Collaboration）对诊断效能的提升评估、基层医疗机构AI辅助肿瘤防控的应用实践
PART.02
投稿网址：www.cjcpt.cn
来稿请备注人工智能专刊