2025年10月，《Journal of Clinical Oncology》（JCO，IF=43.3）發(fā)表了一篇文章，表示歡迎人工智能（AI）相關(guān)論文投稿，并詳述了感興趣的研究內(nèi)容。

原文鏈接：https://ascopubs.org/doi/10.1200/JCO-25-01939

JCO接收AI相關(guān)稿件，關(guān)注的關(guān)鍵問題

1. 能否指導(dǎo)治療決策？（不僅僅是預(yù)測結(jié)果）

2. 是否經(jīng)過外部驗(yàn)證？（是否在AI工具開發(fā)機(jī)構(gòu)以外的機(jī)構(gòu)進(jìn)行過測試）

3. 患者人群是否具有代表性？（人口統(tǒng)計(jì)學(xué)特征、疾病分期等信息均已報(bào)告）

4. 臨床醫(yī)生能否理解并采取行動(dòng)？（有清晰的實(shí)施路徑）

5. 是否優(yōu)于現(xiàn)有標(biāo)準(zhǔn)？（與現(xiàn)有工具或臨床醫(yī)生的判斷相比）

01

JCO會(huì)如何審閱AI相關(guān)文章？

在腫瘤學(xué)領(lǐng)域，AI應(yīng)用大致可分為兩類：

預(yù)測性AI：根據(jù)輸入數(shù)據(jù)預(yù)測特定結(jié)局。例如，用于預(yù)測治療效果、生存結(jié)局或疾病進(jìn)展風(fēng)險(xiǎn)的模型。

生成式AI：基于學(xué)習(xí)模式創(chuàng)建新內(nèi)容或數(shù)據(jù)的系統(tǒng)。例如，臨床文書撰寫、試驗(yàn)方案生成、或?yàn)檠芯磕康膭?chuàng)建合成數(shù)據(jù)等。

當(dāng)前或新興的腫瘤學(xué)相關(guān)AI工具涵蓋廣泛領(lǐng)域：從基于病理學(xué)的預(yù)測性生物標(biāo)志物（用于預(yù)測治療效果或總生存期），到提升臨床試驗(yàn)匹配與入組效率的生成式人工智能系統(tǒng)。盡管JCO接收的大多數(shù)AI研究聚焦于特定癌種或治療類別，但某些方法論與編輯標(biāo)準(zhǔn)適用于所有AI應(yīng)用領(lǐng)域。

為確保AI論文同時(shí)符合嚴(yán)謹(jǐn)?shù)姆椒▽W(xué)標(biāo)準(zhǔn)和臨床相關(guān)性準(zhǔn)則，JCO的編輯審稿流程納入了專業(yè)評(píng)審機(jī)制。所有送審的AI稿件均需經(jīng)過具有AI方法論和/或特定疾病臨床專業(yè)知識(shí)評(píng)審專家的雙重評(píng)估。這種雙重評(píng)審機(jī)制確保發(fā)表的研究既具備技術(shù)嚴(yán)謹(jǐn)性又具有臨床意義。

02

JCO的AI投稿重點(diǎn)方向

盡管JCO會(huì)考慮所有能指導(dǎo)臨床實(shí)踐的AI相關(guān)投稿，但是特別鼓勵(lì)在以下方面能推動(dòng)腫瘤學(xué)AI領(lǐng)域發(fā)展的研究。下表列出了JCO的重點(diǎn)關(guān)注領(lǐng)域。

推薦的優(yōu)先關(guān)注領(lǐng)域

編輯部推薦的實(shí)踐規(guī)范

臨床影響

可指導(dǎo)治療選擇：優(yōu)先考慮可指導(dǎo)治療決策的預(yù)測算法，優(yōu)于預(yù)后算法。

例如，AI預(yù)測轉(zhuǎn)移性非小細(xì)胞肺癌（NSCLC）患者對(duì)免疫治療單藥治療與免疫治療聯(lián)合化療的應(yīng)答情況，用以指導(dǎo)個(gè)體化治療方案選擇。

使用可解釋和可說明的方法：

將統(tǒng)計(jì)值（如c-index、校準(zhǔn)度）轉(zhuǎn)化為具有臨床意義的解釋（如需治療人數(shù)、絕對(duì)風(fēng)險(xiǎn)降低）；

使用可視化圖表和/或信息圖來說明AI技術(shù)的潛在臨床益處。

代表性和普適性

多樣化的訓(xùn)練集和驗(yàn)證方式；

發(fā)布代碼和源數(shù)據(jù)；

確保研究結(jié)果在不同人口統(tǒng)計(jì)學(xué)和臨床特征人群中具有普適性和可重復(fù)性。

例如，評(píng)估算法在相關(guān)亞組中的差異性表現(xiàn)

完整描述訓(xùn)練集和驗(yàn)證集的人口統(tǒng)計(jì)構(gòu)成；

在論文中公開源代碼和數(shù)據(jù)集；

確保訓(xùn)練集反映異質(zhì)性患者群體，并報(bào)告潛在的代表性不足問題；

在可行范圍內(nèi)評(píng)估模型在各臨床相關(guān)亞組中的性能表現(xiàn)。

充分

驗(yàn)證

在可靠的數(shù)據(jù)集中進(jìn)行多機(jī)構(gòu)驗(yàn)證；在不同醫(yī)療場景下進(jìn)行的外部驗(yàn)證，確保了AI工具穩(wěn)健性。

例如，采用TCGA、UK Biobank等標(biāo)準(zhǔn)化的多元數(shù)據(jù)集，輔以注冊登記數(shù)據(jù)庫與臨床試驗(yàn)數(shù)據(jù)集進(jìn)行驗(yàn)證

整合來自多個(gè)獨(dú)立機(jī)構(gòu)的驗(yàn)證數(shù)據(jù)集；

在模型開發(fā)時(shí)未使用的完全獨(dú)立數(shù)據(jù)集中評(píng)估模型的性能表現(xiàn)；

在臨床中進(jìn)行前瞻性評(píng)估，而非進(jìn)行回顧性分析；

將AI性能與既定基準(zhǔn)和/或?qū)＜遗R床醫(yī)生的表現(xiàn)進(jìn)行比較。

實(shí)施可行性

在腫瘤工作流程中進(jìn)行嚴(yán)格評(píng)估：評(píng)估AI工具對(duì)臨床結(jié)局、工作流程效率和臨床醫(yī)生滿意度的影響。

例如，肺癌檢測AI系統(tǒng)在準(zhǔn)確率與放射科醫(yī)生相當(dāng)?shù)那疤嵯?，使假陽性率降?1%。

開展規(guī)范注冊、遵循標(biāo)準(zhǔn)臨床試驗(yàn)報(bào)告規(guī)范的前瞻性或隨機(jī)臨床試驗(yàn)

真實(shí)世界部署和實(shí)施：來自真實(shí)世界的實(shí)施證據(jù)可以彌合從實(shí)驗(yàn)室到臨床的轉(zhuǎn)化鴻溝。

例如，開展研究探索醫(yī)生的接受度、工作流程整合情況、有效應(yīng)用AI所需的培訓(xùn)要求等。

在異質(zhì)性人群中開展基于問卷調(diào)查及混合方法的研究

03

JCO推薦的AI投稿實(shí)踐規(guī)范

JCO鼓勵(lì)任何AI相關(guān)稿件，但會(huì)優(yōu)先考慮符合以下原則，能夠闡明臨床影響力的稿件：

模型可解釋性與臨床相關(guān)性

• 可解釋性：鼓勵(lì)作者采用可解釋的AI方法（要認(rèn)識(shí)到現(xiàn)有的AI方法存在局限性），可創(chuàng)建可視化圖表，清晰展示影響預(yù)測結(jié)果的關(guān)鍵特征。

• 臨床轉(zhuǎn)化：將技術(shù)輸出轉(zhuǎn)化為有臨床意義的解讀（例如，能夠避免不必要的活檢，可實(shí)現(xiàn)精準(zhǔn)診斷等），而非僅呈現(xiàn)統(tǒng)計(jì)指標(biāo)。需要注意的是，醫(yī)護(hù)人員或患者的工作量、經(jīng)濟(jì)負(fù)擔(dān)及其他效率指標(biāo)也都具有臨床意義。

可重復(fù)性與透明度

• 代碼與數(shù)據(jù)可及性：雖非錄用稿件的必要條件，但期刊鼓勵(lì)作者通過存儲(chǔ)庫公開源代碼、數(shù)據(jù)及驗(yàn)證數(shù)據(jù)集的訪問權(quán)限，以確保研究結(jié)果的外推性驗(yàn)證。

• 完整記錄方法學(xué)：詳細(xì)說明數(shù)據(jù)來源、預(yù)處理技術(shù)（如數(shù)據(jù)清洗/整理、特征選擇、降維處理等）、模型架構(gòu)及訓(xùn)練方案。

• 描述數(shù)據(jù)集特征：完整說明訓(xùn)練集與驗(yàn)證集的人口學(xué)構(gòu)成、機(jī)構(gòu)來源及潛在偏倚。

• 明確模型局限性：明確討論AI工具可能表現(xiàn)不佳的應(yīng)用場景。

嚴(yán)格驗(yàn)證與評(píng)估

• 多機(jī)構(gòu)測試：使用來自不同機(jī)構(gòu)、覆蓋不同患者群體的數(shù)據(jù)集進(jìn)行驗(yàn)證，在可行的基礎(chǔ)上系統(tǒng)評(píng)估模型在相關(guān)亞組中的性能表現(xiàn)。需注意：僅能在單一地區(qū)或機(jī)構(gòu)完成驗(yàn)證的研究需要滿足：（1）具備顯著方法學(xué)創(chuàng)新或臨床價(jià)值；（2）在討論部分明確說明跨機(jī)構(gòu)或外推性的潛在挑戰(zhàn)。

• 獨(dú)立數(shù)據(jù)集驗(yàn)證：理想情況下，應(yīng)在模型開發(fā)時(shí)未使用的完全獨(dú)立數(shù)據(jù)集中驗(yàn)證性能。若不可行，需采用AI領(lǐng)域公認(rèn)的最佳實(shí)踐進(jìn)行交叉驗(yàn)證。

• 前瞻性評(píng)估：鼓勵(lì)在真實(shí)臨床中前瞻性評(píng)估AI性能，采用貼合實(shí)際應(yīng)用的實(shí)效性試驗(yàn)設(shè)計(jì)（如整群隨機(jī)分配）。

• 對(duì)比評(píng)估：AI性能需與既定臨床標(biāo)準(zhǔn)和/或臨床專家的表現(xiàn)進(jìn)行比較。

遵循既定標(biāo)準(zhǔn)

• 報(bào)告規(guī)范：遵循現(xiàn)有的AI專項(xiàng)報(bào)告規(guī)范，如針對(duì)AI的TRIPOD、PROBAST、CONSORT等報(bào)告規(guī)范。

• 數(shù)據(jù)合規(guī)：確保符合國家頒布的隱私法規(guī)。

• 商用AI模型：鑒于很多AI創(chuàng)新來自企業(yè)，JCO接受商用AI工具的投稿。事實(shí)上，高質(zhì)量AI開發(fā)所需的大量計(jì)算基礎(chǔ)設(shè)施與數(shù)據(jù)集只能從商業(yè)部門獲取。JCO鼓勵(lì)產(chǎn)學(xué)研合作，嚴(yán)謹(jǐn)開發(fā)與評(píng)估AI模型，但需披露資金來源、商業(yè)利益等潛在利益沖突。

• 利益沖突披露：報(bào)告潛在的利益沖突，包括資金來源和商業(yè)利益等。

此后，JCO系列期刊會(huì)推出一系列相關(guān)文章，闡釋AI核心概念并提供基礎(chǔ)知識(shí)，幫助讀者批判性評(píng)估和應(yīng)用AI工具。內(nèi)容將涵蓋創(chuàng)新方法（如基礎(chǔ)模型、多模態(tài)數(shù)據(jù)融合）、算法偏倚及倫理問題。

近年來，JCO子刊，如《 JCO Clinical Cancer Informatics》、《 JCO Precision Oncology》，已發(fā)表多項(xiàng)高質(zhì)量AI研究，且讀者群體不同于主刊。作者應(yīng)知悉，部分投往JCO的優(yōu)秀AI相關(guān)稿件，可能會(huì)根據(jù)內(nèi)容分至更合適的子刊。

參考文獻(xiàn)：J Clin Oncol 43, 3434-3438(2025).DOI:10.1200/JCO-25-01939