《Current Opinion in Organ Transplantation》：Artificial intelligence in head and neck cancer rehabilitation services: current state and future perspectives
编辑推荐：
本篇综述系统评估了人工智能（AI）在头颈癌（HNC）康复服务中的当前应用与发展潜力，梳理了其在言语吞咽评估、运动分析、营养支持等多个康复领域（包括辅助与专业医疗人员（AHPs））的应用图谱，并指出了数据碎片化、伦理考量及临床验证不足等关键挑战。文章强调，尽管大语言模型（LLMs）在整合信息与生成康复计划方面展现出前景，但AI的成功整合亟需严格的验证、共享标准的建立以及强大的跨学科协作。
引言
头颈癌（HNC）包含一组多样性的恶性肿瘤，影响口腔、咽、喉、唾液腺及相关结构，是全球第七大常见癌症，每年新增诊断超过66万例。主要风险因素包括烟草和酒精消费以及人乳头瘤病毒（HPV）感染。治疗通常是多模式的，结合手术、放疗、化疗和日益增多的免疫疗法。尽管治疗取得了显著进展，但HNC治疗常导致复杂的、相互关联的功能损伤，影响吞咽、言语和体力等身体功能，并对与社交情感健康（如焦虑和痛苦）及身体功能相关的整体生活质量（QoL）产生影响。根据世界卫生组织（WHO）认可的国际功能、残疾和健康分类（ICF）框架，这些限制经常导致活动受限和参与挑战。证据表明，结构化的康复干预可以改善HNC患者的功能结局。理想情况下，这种护理通过跨学科方法提供，临床医生和辅助医疗专业人员（AHPs）合作同时解决多因素问题。随着人工智能（AI）在医疗保健领域的兴起，出现了优化医疗保健的新机遇。任何AI应用的基础都在于其训练数据的质量和多样性。这些数据可能包括影像数据、用于大语言模型（LLMs）的文本来源、组学数据集或其组合。生成式AI指的是基于输入数据的学习模式创建新内容的模型，代表了这一领域快速发展的范畴。LLMs的广泛可用性，加上2022年ChatGPT的推出， democratized access 并使得研究人员和临床医生能更容易地试验这些工具。AI已经广泛应用于各行业，并越来越多地应用于医疗保健领域：在手术中支持外科医生并协助放射科医生。然而，作为AHPs工作的更大群体也可以从这些技术中受益。因此，本文旨在批判性地审视AI在HNC康复中的作用，既在整体康复路径层面，也在特定的AHP学科内部。我们将概述当前用于HNC康复干预、癌症康复或AHP特定康复干预的AI应用现状，并讨论将AI驱动解决方案整合到常规临床实践的未来方向和建议。
HNC康复的组织格局如何？
多项综述评估了HNC康复的当前格局以及AHPs指南的可用性。它们的结论是，HNC康复的特点是护理连续体零散但逐步扩大，涵盖预康复、治疗相关的支持性护理和长期生存管理。HNC康复最好使用ICF框架来概念化，不仅包括身体功能和结构的损伤，还包括活动限制和参与限制。历史上，HNC康复主要关注损伤层面的结局，如吞咽生理学、言语清晰度和肌肉骨骼功能障碍。相比之下，较少关注活动表现和参与结局，包括沟通、社会角色和重返工作岗位。此外，在研究和临床实践中，“康复”一词的使用不一致，有时与生存护理、支持性护理或随访护理等相关概念互换使用。这种定义共识的缺乏使得在AHPs之间发展共同语言变得复杂，导致护理提供和结局评估的异质性。
加强辅助医疗专业人员跨学科整合的必要性
最近的综述表明，针对多个ICF领域的康复干预由一系列AHPs提供，如言语治疗、物理治疗、淋巴水肿治疗、职业治疗、营养支持和心理社会护理。然而，这些干预措施通常以孤立的学科流形式提供，并在疾病轨迹的不同时间点变化。最近一篇关于为HNC领域工作的AHPs制定的预康复和康复指南的叙述性综述强调了结构化、循证的预康复和康复路径，这些路径在治疗前开始并延伸到生存期。生存模式越来越多地将康复定位为风险分层、终身护理的核心组成部分，解决受个人和环境因素影响的持续活动限制和参与限制。总体而言，尽管越来越多的人认识到多维康复的有效性和潜在成本效益，但HNC康复的组织是作为多个单一学科治疗提供的，导致异质性。这在国家之间以及一个国家内不同中心之间都存在。荷兰HNC中心的一项调查发现，在服务组织、专业参与和干预方面存在显著差异。虽然言语治疗、物理治疗和营养学大多是HNC康复团队的一部分，但职业治疗、心理学和社会支持以及康复专家协调角色的参与则不那么一致。系统性筛查、标准化路径和专用资金往往缺乏，导致患者获得康复服务和结局的不公平。鉴于支持跨学科HNC康复方案有效性的现有证据，这是不幸的。Passchier等人对荷兰癌症研究所开发的专用跨学科HNC康复计划进行了可行性研究。他们得出结论，90%的患者实现了他们的跨学科目标，并且患者在七个月内生活质量显著改善。同样，Eades等人在为期8周的康复计划后观察到身体功能、体重维持、症状减轻和生活质量的改善，支持了多学科方法的附加价值。AI有潜力减少实践差异并促进标准化护理路径；然而，其全部影响取决于将所有AHP学科整合到有凝聚力的康复策略中。目前，为HNC开发和部署AI驱动的集成康复解决方案的进展仍然有限。尽管如此，AHPs对AI应用的兴趣正在增加，早期研究描述了新兴的创新，包括头颈手术后AI辅助的康复计划个性化、探索使用机器学习（ML）支持的穿戴式技术监测治疗性锻炼，以及结合虚拟教练和远程评估的自适应、AI驱动的癌症康复概念框架。最近的研究强调了ML在HNC患者言语、声音和吞咽评估与管理应用方面的重大进展。虽然这些发展标志着重要的进展，但大多数仍处于概念验证阶段，强调需要大规模、多机构的验证和整合到临床实践中。
支持康复护理的各个辅助医疗专业学科内部的进展
经过广泛的文献检索，表1提供了当前AI应用及其在更广泛的康复服务中使用的技术就绪度（TRL）的概述。这些应用分为一般医疗保健工具和用于预防与诊断、治疗与规划、随访与监测以及管理与教育的AHP特定应用。这些创新共同说明了AI在使康复更具可及性、个性化和有效性方面的扩展作用。技术就绪水平（TRL）使用最初由NASA开发并经BRIDGE2HE调整用于医疗保健创新的TRL框架进行评估，图形概述见图1。
表1中总结的研究表明，AI越来越多地应用于康复和辅助健康领域，且TRL差异很大。最成熟的发展——具有较高TRL的——出现在预防与诊断以及治疗领域，特别是在物理治疗、营养学和言语治疗中。这些应用包含监测食物摄入、运动、活动模式以及声音和言语参数的工具，通常由可穿戴设备支持。这种集成支持实时数据收集并传输到临床应用中，促进个性化康复计划和患者进展的持续监测。目前可用的大多数AI工具在教育支持和临床决策支持方面发挥作用，减少管理任务成为一个快速且影响深远的益处。该表还突出了特定的高影响力应用，例如AI辅助的视频荧光吞咽研究（VFSS）分析，可以显著减轻言语治疗师的时间负担，同时提高一致性和可靠性。相比之下，最低的TRL应用出现在多学科领域，例如用于风险预测的AI辅助临床决策。同样低的TRL在AHP特定应用中观察到，包括物理治疗中AI支持的个性化诊断和锻炼计划、心理治疗中的早期心理健康检测以及言语治疗中的自动化声音障碍评估。这些较低TRL的应用需要进一步开发和验证以进行临床整合。
大语言模型在康复规划中的应用
LLMs有潜力整合零散的信息并生成基于证据的建议以支持临床推理。Marcaccini等人通过使用四种不同的语言模型为接受头颈手术的患者生成康复计划，例证了这种方法。他们的研究采用虚构病例和精心设计的提示来比较输出结果。结果表明，LLMs可以生成不同质量和可读性的HNC康复计划。ChatGPT-4o产生了最临床相关的计划，而Gemini 2产生了更具可读性的内容。然而，关键是要认识到LLMs是没有内在内容理解的统计模型。因此，让知识渊博的专家参与输出的开发和批判性评估是创造可用内容的关键。结合专家输入和精选来源的迭代工作流程可能会进一步提高输出质量。例如，在生成HNC康复计划的虚构病例时，提示应指定病例特征（例如，肿瘤起源、治疗方式、TNM分期）。后续迭代可以纳入本地临床指南（例如，NCCN指南，治疗指南）以及Tschiesner等人提出的框架，以及包括AHP角色在内的临床特定细节，以支持围绕共同康复目标的跨学科合作，并完善目标设定和治疗计划。尽管有这些进展，AI工具的临床采用仍然有限。截至2025年，只有两种FDA批准的AI工具用于HNC的放射学目的（即RapidAI Lumina 3D和GE HealthCare MR Contour DL），没有用于康复的。之前在常规癌症护理诊所中观察到循证数字技术采用缓慢。下一部分将讨论有关在康复中使用AI以支持该领域进展的关键挑战。
关于在康复中使用AI的批判性反思
尽管AI在医疗保健领域前景广阔，但其整合到康复中带来了实践和伦理上的挑战。除了可解释性、透明度和减轻偏见等负责任AI的一般原则之外，还有一些康复特定的考量。
负责任AI整合的跨学科协作
如表1所示，HNC康复中的许多AI应用仍处于早期发展阶段且具有学科特异性。这强调了需要更强的协作和更综合的努力，以将AI嵌入康复实践中。Hulsen和Scheper强调，鉴于这些工具的新颖性以及解决伦理考量、社区接受度和实际实施策略的重要性，AHPs必须积极参与AI开发。同样，Hao等人强调透明度和共同创造是确保解决方案既具有临床相关性又与患者需求保持一致的关键原则。这些多元的专业视角对于解决不一致的数据输入、不完整的患者轨迹以及难以从现实世界实践中学习的难题至关重要，以实现最终使患者受益的整体方法。
头颈癌人群中的偏见和代表性
一个主要关注点是AI系统输入数据的质量和可用性。理想情况下，数据应整合在可互操作的基础设施内，但在实践中，数据源仍然高度分散。这种碎片化增加了错误预测功能结局的风险，限制了跨患者亚组的普遍性，并可能无意中加剧现有的不平等。这些挑战在HNC中尤为突出，HNC是一种罕见疾病，与临床试验人群一样，其AI训练数据集往往无法捕捉患者特征的全面多样性。
患者-提供者关系是头颈癌康复的核心
患者-提供者关系是HNC康复的核心，证据一致表明其质量强烈影响临床结局。随着AI工具进入康复实践，以患者为中心的设计对于确保技术增强而不是取代这种治疗性联系至关重要。虽然通过聊天机器人提供的心理社会支持可以提供可扩展、按需且具有成本效益的帮助，但康复中的人际互动仍然至关重要。成功的实施还取决于患者和医疗保健专业人员的接受度。必须解决包括隐私、算法偏见和患者自主权在内的伦理考量，并且AHPs需要有针对性的培训，以发展有效整合所需的数字能力。最终，AI应被视为一种补充而非替代人类专业知识的支持性工具，因为治疗关系仍然是患者护理的基础。
头颈癌康复服务中AI的未来展望与建议
为了成功实现AI在HNC康复中的潜力，需要采取以下步骤。清晰且共享的康复定义对于将AI有效整合到HNC康复中至关重要。研究和测试对于验证AI工具在临床康复环境中的有效性和安全性至关重要。整合工作应将AI解决方案与现有的护理路径和电子健康记录系统相结合。需要制定政策框架，包括（本地）指南、资助机制和道德标准，以实现负责任的采用。最后，技术与医疗保健学科之间的合作对于将AI工具持续监测和优化到HNC康复中是必要的。
结论
HNC康复被广泛认为是患者护理的重要组成部分，但术语、指南的异质性、服务提供的差异以及持续的实施障碍限制了其有效性。迫切需要统一方案、扩大循证干预措施以及为跨功能学科的AHPs提供详细指导。AI可以促进合作并减少临床实践中的差异。康复中的AI应用在患者教育、咨询、远程医疗通信以及营养学、物理治疗和言语治疗的实时监测方面显示出最高的TRL，而较低就绪度的技术则侧重于多学科决策支持、个性化锻炼计划、心理健康检测和自动化言语障碍评估。在多学科合作中，LLMs的协助在虚构病例中得到了很好的评估，但未来的方向在于减少劳动密集型工作，并在现实世界临床环境中整合多个AHPs之间的辅助技术。因此，我们建议投资于多学科合作，以加速AI的开发和实施，最终改善HNC护理的完整轨迹：从诊断到治疗和康复。
