仅靠 AI 是不够的：研究人员呼吁在癌症预测中使用数学建模
快速阅读: 据《AZoAI》最新报道，马里兰大学医学院研究人员结合人工智能与数学建模，提出更安全、个性化的癌症治疗路径，强调数据共享的伦理性和透明性，以提高研究可重复性和科学诚信。
马里兰大学医学院
**2025年4月16日**
借助人工智能（AI）和数学建模的优势，并推动透明、合乎道德的数据共享，马里兰大学的研究人员开辟了一条更安全、更智能且更具个性化的癌症治疗新路径。
图片来源：raker / Shutterstock
随着人工智能的飞速发展，预测医学已成为医疗保健领域的重要组成部分，尤其在癌症治疗方面展现出巨大潜力。预测医学利用算法和数据帮助医生理解癌症可能如何进一步发展，或者对特定药物作出何种反应，从而更轻松地为每位患者制定精准治疗方案。
尽管AI在这一工作中扮演着重要角色，但马里兰大学医学院的研究人员强调，不应仅依赖AI，而应将其与其他方法相结合，例如传统的数学建模，以取得最佳效果。
在《自然·生物技术》上发表的一篇评论中，UMSOM基因组科学研究所（IGS）所长、医学教授艾琳娜·费尔蒂格博士与IGS科学家丹尼尔·伯格曼博士指出，数学建模在精准医学中的应用一直被低估和忽视。
另一篇发表于《细胞报告·医学》的评论中，费尔蒂格博士与IGS同事德米特里斯·利沃夫斯博士、阿努普·马胡卡博士以及欧文·怀特博士探讨了如何以合乎伦理的方式共享健康数据，并创建可重复的科学研究方法。这两篇评论共同奠定了生成、分析和合乎伦理地共享数据以造福患者和科学的基础方法。
在解读《自然·生物技术》评论的观点时，费尔蒂格博士提到：“AI和数学模型得出结论的方式存在显著差异。AI模型需要先用现有数据进行训练才能做出预测，而数学模型则基于数据和生物学知识来解答特定问题。”
这意味着在数据匮乏的情况下，比如在免疫疗法等较新的癌症治疗方法中，AI可能会过度概括，导致其他科学家无法重现的有偏差或不准确的结果。而数学建模则利用从科学实验中学到的已知生物学机制，清晰地解释其得出结论的过程。
“例如，通过数学模型，我们可以创建虚拟癌细胞和健康细胞，并编写一个程序来模拟这些细胞在肿瘤内不同治疗方式下的相互作用与演化过程。”IGS助理教授兼UMSOM药理学、生理学和药物开发系的伯格曼博士说道，“目前，AI尚无法达到这种精确性。”
两位作者指出，在“计算免疫疗法”中，除了使用这两种模型之外，还需要广泛采用人群样本并公开可用的数据集，这是获得最准确结果的关键。
“数据的广度和准确性是关键。数据集中哪怕是最细微的伪影，甚至是计算机代码中的简单拼写错误，都会影响这两种模型的准确性。”费尔蒂格博士补充道，“因此，任何分析流程要想正常运行，必须具备可重复性，而这只有通过开放科学——让其他研究人员能够访问来确保，从而验证模型是否能将正确的治疗提供给正确的患者。”
然而，可重复性始终是科学研究中的一个关键挑战。在2016年发表于《自然》杂志的一项研究中，超过1500名科学家接受了调查，超过70%的研究人员表示他们尝试但未能重现另一位科学家的实验，超过半数的人未能重现自己的实验。
“可重复的研究能够验证发现的准确性，减少偏见，促进科学诚信，并建立信任。”IGS研究助理兼《细胞报告·医学》评论的第一作者德米特里斯·利沃夫斯博士解释道，“由于数据科学是计算驱动的，所有结果应该是透明的，并且如果分析代码可以通过开放科学获取，那么可以从相同的数据集自动重复。”
虽然这听起来足够简单，并且已有最佳实践，但作者认为挑战在于如何在保护患者隐私的同时共享数据并防止未经授权的数据泄露。当基因组数据与个人健康信息（PHI）结合时，可能导致患者身份被重新识别，构成隐私侵犯。
作者表示，创建合乎伦理的开放科学数据共享意味着：1. 获取患者的详细知情同意；2. 在收集和处理数据时通过减少错误确保数据质量；3. 协调和标准化来自不同来源的数据；4. 使用和创建资源和平台，例如多组学、临床、公共卫生和药物发现存储库；5. 与经过验证的流程合作，例如开源分析工具和软件平台。
“合乎伦理和负责任的数据共享促进了研究的民主化，支持了AI的进步，并为公共卫生政策提供了信息。”利沃夫斯博士说道。
**来源：**
马里兰大学医学院
**期刊参考文献：**
伯格曼, D. R., & 费尔蒂格, E. J. (2025). 虚拟细胞用于预测性免疫疗法。《自然·生物技术》，43(4)，464-465。DOI: 10.1038/s41587-025-02583-2，https://www.nature.com/articles/s41587-025-02583-2
利沃夫斯, D., 创森, A. L., 莱文, S. S., 诺布尔, M., 马胡卡, A., 怀特, O., & 费尔蒂格, E. J. (2025). 平衡合乎伦理的数据共享与开放科学以实现生物医学数据科学中的可重复研究。《细胞报告·医学》，6(4)，102080。DOI: 10.1016/j.xcrm.2025.102080，https://www.sciencedirect.com/science/article/pii/S2666379125001533
(以上内容均由Ai生成)
