2026年第41届欧洲泌尿外科协会(EAU)年会于2026年3月13~16日在英国伦敦隆重召开，汇聚全球泌尿领域专家，共探前沿进展。本次大会不仅呈现了泌尿系统肿瘤诊疗的最新科研突破与临床进展，更清晰勾勒出一个重要趋势：人工智能（AI）与精准医学的深度融合，正推动泌尿肿瘤诊疗体系向智能化、个体化的新范式演进。在这一背景下，《肿瘤瞭望》特别邀请到天津医科大学肿瘤医院姚欣教授与北京大学第一医院龚侃教授，围绕“泌尿肿瘤诊疗进展：AI与精准医学驱动下的诊疗新范式”展开深度对谈。本篇专访系统梳理了两位教授的前沿观点，深入探讨AI与精准医学如何从理念走向临床，重塑泌尿肿瘤的早期诊断、治疗决策与全程管理，以期为广大临床医生与研究者提供启发，共同推动泌尿肿瘤诊疗迈向“智疗融合”的新阶段。
编者按：2026年第41届欧洲泌尿外科协会(EAU)年会于2026年3月13~16日在英国伦敦隆重召开，汇聚全球泌尿领域专家，共探前沿进展。本次大会不仅呈现了泌尿系统肿瘤诊疗的最新科研突破与临床进展，更清晰勾勒出一个重要趋势：人工智能（AI）与精准医学的深度融合，正推动泌尿肿瘤诊疗体系向智能化、个体化的新范式演进。在这一背景下，《肿瘤瞭望》特别邀请到天津医科大学肿瘤医院姚欣教授与北京大学第一医院龚侃教授，围绕“泌尿肿瘤诊疗进展：AI与精准医学驱动下的诊疗新范式”展开深度对谈。本篇专访系统梳理了两位教授的前沿观点，深入探讨AI与精准医学如何从理念走向临床，重塑泌尿肿瘤的早期诊断、治疗决策与全程管理，以期为广大临床医生与研究者提供启发，共同推动泌尿肿瘤诊疗迈向“智疗融合”的新阶段。
《肿瘤瞭望》：从全球泌尿肿瘤诊疗的发展趋势来看，AI技术正如何重构泌尿肿瘤的精准诊疗体系？这一技术对提升泌尿肿瘤整体诊断水平，有着怎样的行业级价值与意义？
姚欣教授：当前，AI在医疗领域备受关注。AI受关注的核心原因在于，肿瘤诊疗日益强调精准化，而AI本质是大数据模型，精准化同样依赖于大数据。二者都建立在数据基础上，通过挖掘相似病例特征，形成精准诊疗方向，因此关联非常紧密。目前AI应用方向广泛，包括患者教育、疾病诊断等，其中影像诊断、病理诊断是较为成熟的领域。本次大会中，一项前瞻性研究在真实临床场景中证实，AI病理系统诊断前列腺癌的水平可与病理专家相当。这不仅能减轻病理医生的工作负担，也能降低因疲劳导致的诊断误差，提升诊断一致性[1]。事实上，AI在病理领域的进步不仅限于前列腺癌，在肾癌病理预测、尿路上皮癌乃至肺癌等方面也有大量探索。
龚侃教授：前列腺癌的筛查诊断长期高度依赖前列腺特异性抗原（PSA）检测，这与各单位及个人的健康体检筛查意识密切相关。当出现异常时，磁共振成像（MRI）是重要的辅助手段，但临床中不同阅片者之间存在差异，这是长期存在的痛点。本次EAU大会上，一项关于AI辅助影像精准评估的研究，对比了单独使用双参数MRI与AI辅助双参数MRI的活检获益与风险。研究发现，AI辅助可显著规范影像评估流程，使一线阅片者的诊断准确率提升至接近专家水平，专家阅片者的诊断表现也更稳定[2]。这意味着AI有助于建立标准化、可复制的高质量MRI诊断基准，减少因地区、医院、经验差异导致的诊断不均，让更多患者获得基于精准影像的个体化活检决策。
另一方面，AI可推动前沿生物学发展，助力罕见病精准诊疗。近年来，国家高度重视罕见病诊治。对于这类复杂疾病，AI不仅能优化流程，更能通过强大的数据整合与模式识别能力，揭示传统方法难以发现的机制。例如，我们团队此次发表了关于VHL综合征相关肾癌的研究，通过整合代谢组学数据与机器学习算法，构建了基于多不饱和脂肪酸脂质特征的早期诊断模型，首次系统揭示了脂质代谢在VHL相关肾癌发生中的作用。这项工作标志着AI正推动泌尿肿瘤诊疗从“形态诊断”迈向“分子功能诊断”，进一步向无创早期监测发展，实现从“治已病”向“管风险”的跨越[3]。
《肿瘤瞭望》：请教龚教授，团队本次有一项基于机器学习的术前列线图，用于预测根治性前列腺切除术后切缘阳性的研究入选。您认为这类AI工具在临床应用中面临的主要挑战是什么？医生应如何在新技术应用与AI协同中取得平衡？
龚侃教授：过去，前列腺癌一度被视为临床特征相对单一的疾病，但随研究的深入，其影响因素的复杂性日益显现。仅依赖PSA、肿瘤分期、病理分级等传统指标，已难以充分满足当前精准诊疗的需求。针对这一临床挑战，我们研究团队设计并验证了一款基于机器学习算法增强的术前预测列线图。该模型整合了多维度临床影响因素，旨在评估前列腺癌根治术后切缘阳性的核心风险。经内部与外部数据集验证，该模型在训练集与验证集中均表现出良好的区分能力与校准度，初步证实其具备可靠的预测效能，有望为前列腺癌手术方案的个体化决策提供重要参考依据[4]。
在现行门诊实践中，医生判断患者是否需行穿刺活检多依据传统临床经验。为提升评估的客观性与精确性，本团队基于此背景研发了一款AI辅助诊断模型。该模型通过整合患者多维临床变量，可输出量化的穿刺风险评估结果，从而实现对高危患者的自动化识别与精准分流至穿刺组。该策略不仅有助于提高穿刺指征把握的准确性，也可降低非必要穿刺相关损伤及感染风险。上述实践表明，AI工具在前列腺癌临床诊疗中具有明确的应用价值与推广潜力。本团队将继续深化该方向研究，进一步拓展AI在临床决策支持中的应用场景。
《肿瘤瞭望》：想请教两位教授，AI模型要实现真正的临床转化面临的挑战有哪些？
姚欣教授：当前，医学影像领域的AI研究日益增多，本团队亦在此方向开展探索。然而，AI模型要实现真正的临床转化，仍面临至少两方面的关键挑战。首先，在建模阶段，模型受试者工作特征曲线下面积是评估其判别效能的核心指标，其可靠性直接影响临床应用的可行性。但部分研究在呈现成果时却忽略了模型实际应用的可信度验证。一个真正合格的AI模型，其诊断性能至少不应低于当前临床常规诊断水平，这意味着必须在建模阶段投入充分的研发与验证工作。其次，在落地推广阶段，多数模型基于单一中心数据构建，而在多中心应用环境中，不同影像设备的型号、使用年限，乃至技术人员的操作规范与习惯差异，均可能导致输入数据的异质性，从而影响模型的泛化能力。除辅助诊断之外，AI在治疗领域尤其是药物治疗决策方面，有望成为未来进展最快的方向。与此同时，外科手术大数据模型的构建及其在精准决策支持系统中的应用，仍有待进一步研究与探索。
龚侃教授：当前，AI在临床转化过程中普遍面临若干共性挑战，其核心瓶颈集中于数据质量、采集标准化及模型泛化能力等方面。能否实现数据与模型的可重复性、可标准化及可推广性，是推动AI真正落地临床的根本所在。本研究基于单中心数据构建的模型，在内部验证中表现出良好性能，然而外部验证的样本规模仍显不足。为此，我们亟需与全国各中心开展合作，共同推进多中心、跨地域的研究，以积累更具代表性的外部验证数据集，并推动各中心在诊疗流程、数据记录规范及病理评估标准方面的统一。未来，我们将通过前瞻性、高质量的真实世界研究，结合模型的持续优化与迭代，致力于提升AI模型在不同医疗机构间的稳定性和可靠性，最终实现其在全国范围内的规范化应用。
编者结语
从影像和病理的辅助诊断，再到罕见病机制的深度挖掘，AI正在泌尿肿瘤诊疗的全链条中释放价值。然而，正如两位教授所指出的，从“模型优异”到“临床可靠”，横亘着数据、标准与协作的鸿沟。推动高质量的多中心研究、建立可互操作的数据标准、培养人机协同的临床思维，是将蓝图转化为现实的关键下一步。2026 EAU大会上的这些声音，或许正预示着泌尿肿瘤“智疗”时代从启蒙走向深化的拐点。
《肿瘤瞭望》在2026 EAU现场采访照片
专家简介
姚欣教授
天津医科大学肿瘤医院泌尿外科科主任教授博士生导师
中国抗癌协会（CACA）理事
中国抗癌协会泌尿男生殖肿瘤专业委员会候任主任委员
中国临床肿瘤学会(CSCO)理事
中国临床肿瘤学会肾癌专委会候任主任委员
中国临床肿瘤学会尿路上皮癌专委会副主任委员
中华医学会泌尿外科分会委员
中国抗癌协会尿路上皮癌指南编写组组长
中华医学会肾癌指南编写组副组长
天津市抗癌协会泌尿男生殖肿瘤专委会主任委员
《中华泌尿外科杂志》、《中华内分泌外科杂志》、《机器人外科学杂志》、《中国临床肿瘤杂志》、《微创泌尿外科学杂志》等编委。
专家简介
龚侃教授
国家高层次人才特殊支持计划（中组部万人）
科技部“中青年科技创新领军人才”
教育部“新世纪优秀人才”
担任北京大学泌尿外科研究所常务副所长、北京大学第一医院肿瘤转化中心副主任
担任中国医促会泌尿外科分会副主任委员、中华医学会泌尿外科分会肿瘤学组委员等。
长期致力于泌尿系肿瘤的基础及临床转化研究。
参考文献：
[1]Ahmed H.U.2026 EAU.Abstract A0488.
[2]Sighinolfi MC，et al.2026 EAU.Abstract A0485.
[3]Kan G，et al.2026 EAU.Abstract P0073.
[4]Kan G，2026 EAU.Abstract P0627.
京公网安备 11010502033352号