《柳葉刀-腫瘤學》（The Lancet Oncology）近日發表醫學影像與核醫學特邀重大報告。報告指出，癌癥護理中醫學影像的作用至關重要，無論是成人癌癥還是兒童癌癥，無論是實體瘤還是血液惡性腫瘤，腫瘤診斷離不開醫學成像。作者提議采取行動并開展投資，以提高中低收入國家的人們對影像設備、衛生人力資源、數字技術、放射性藥物以及研究和培訓項目的獲取，從而在全球范圍內產生巨大的健康和經濟效益、減輕癌癥負擔。

執行摘要

《柳葉刀-腫瘤學》（The Lancet Oncology）“醫學影像與核醫學”特邀重大報告強調，應提高全球范圍內對可負擔且有效的腫瘤影像技術的認識，促進患者對腫瘤影像學檢查的獲取。在全球腫瘤學指南中，醫學影響通常被忽視，但在癌癥護理中醫學影像的作用至關重要，無論是成人癌癥還是兒童癌癥，無論是實體瘤還是血液惡性腫瘤，腫瘤診斷離不開醫學成像。腫瘤分期、治療計劃的制定和靶標的選擇、腫瘤反應監測、患者隨訪和復發檢查等整個癌癥護理過程中，醫學影像都發揮著關鍵作用。報告討論了目前使用的一系列醫學影像技術、介入放射學和放射性核素治療等臨床手段及其可獲得性在全世界不同國家間的鮮明對比。該報告側重于高收入國家與中低收入國家之間持續存在的差距，特別是在資源、衛生系統協調以及教育和培訓方面。報告還探討了醫學影像與癌癥護理、強化醫療系統、系統負荷、放療基礎設施和潛在融資方案等方面的關系和容易，目的是號召開展全面行動，以改善全球腫瘤影像學檢查的可及性。

在《柳葉刀-腫瘤學》（The Lancet Oncology）“醫學影像與核醫學”特邀重大報告中，Hedvig Hricak及其同事對中低收入國家的癌癥影像進行了全面而深入的綜述[1]。報告對現有影像資源進行了總結、提出了需要改進的方向、并有理有據地發出了行動呼吁。

聯合國已將全球健康和醫療保健的獲取納入可持續發展目標[2]。與此同時，全球癌癥負擔正在增加，中低收入國家的癌癥負擔高于高收入國家，中低收入國家的全球癌癥死亡占比（亞洲為57.3%，非洲為7.3%）高于全球癌癥發病率占比（分別為48.4%和5.8%）[3，4]，然而，中低收入國家的癌癥護理服務規模比例仍然較低。

為了深入了解醫學影像的可及性， 2019年建立了國際原子能機構醫學影像和核醫學全球資源數據庫（IMAGINE）。該數據庫可顯示不同國家再影像和核一阿雪資源方面的巨大差距，中低收入國家的影像資源匱乏，平均每169.4萬人使用一臺CT掃描儀，而高收入國家每2.5萬人使用一臺CT掃描儀。

由于醫學影像的缺乏會導致診斷延遲，中低收入國家的癌癥生存率仍低于高收入國家，比起高收入國家，中低收入國家有更多的患者在診斷時癌癥已經擴散，很多患者在接受治療時缺乏強度和有效性。影像是腫瘤分期和改善癌癥護理的重要一步，沒有合適的影像方案，手術、化療和放療管理都無法實現最優化。本報告結果顯示，通過在癌癥治療中擴大影像技術的應用或可提高5年生存率，和既往研究結果一致[5，6]。

Hricak及其同事展示了癌癥管理中影像、治療和護理質量三者之間的協同作用，并且三個因素的效應不是簡單的累加關系[3，7]。報告微觀模擬模型顯示，影像、治療和護理質量的同步增加可以在2020年至2030年間減少954,95萬例全球死亡，但單獨增加醫學影像的使用可以減少的死亡數只有1/4（24,635萬例）。癌癥的早期診斷和精準分期非常重要[8]，因為早期癌癥的治療比晚期癌癥和轉移癌的治療更有效且成本更低。

Hricak及其同事主張采用綜合癌癥管理手段，以避免分散或不完整的癌癥護理。通過在政府、民間組織、患者、醫療工作者、專業協會、研究人員、贊助方、國際機構、私營部門和創新者之間建立協調一致的全球聯盟，可以擴大有針對性的戰略投資，從而最高效地在中低收入國家提供包括影像在內的可負擔的全面癌癥護理。

從現在開始，中低收入國家就應該增加醫學影像和核醫學的使用。高收入國家已經采取初步措施，將計算、信息技術和工程技術的進步應用于醫學影像。高收入國家數字基礎設施、無線技術和移動遠程放射的應用意味著中低收入國家也可以快速開發和應用這些技術。事實上，這些技術的成本會像醫學超聲的成本一樣繼續大幅降低，目前醫學超聲已經在中低收入國家用于許多癌癥的診斷和監測。利用這些技術，超聲設備制造商為中低收入國家創造了一類新型低成本的移動健康（mHealth）便攜式設備。在擴大影像規模的同時，也需要增加數據收集，從而促進臨床研究評估以及區域和國家衛生技術評估。

未來需要在醫學影像使用規模的擴大和更復雜的臨床分析之間找到平衡。醫學進步涉及到大型數據庫的創建和使用。高收入國家的技術進步，如專門用于特定任務的人工智能（AI），或可用于優化醫學影像效率。[9]然而，多模態影像的復雜性可能無法通過AI解決，必須由放射科醫師來確定最合適的影像技術。

因此需要一種包含臨床、生物和影像數據的全面方法，在沒有先驗知識的情況下，使用機器學習或深度學習等所有AI技術。最近發表的一項研究就采用了這種方法來確定新冠肺炎病患者的預后。[10]最后，Hricak及其同事強調，雖然超聲在包括中低收入國家在內的許多國家被廣泛使用，但這一技術仍缺乏魯棒性。對于加強超聲在中低收入國家的應用，人工智能（尤其是深度學習）有著廣闊的前景。

自2020年以來，新冠肺炎大流行顯示了放射科醫生在健康危機期間的適應能力。CT已成為使用最廣泛的影像技術，可以對肺部病變進行精確分析，從而預測新冠肺炎嚴重程度。然而，疫情期間癌癥患者的分期和隨訪嚴重延遲，需要努力確保在未來的傳染病大流行期間，癌癥患者也可以正常使用CT掃描儀，以避免對癌癥護理產生負面影響。

通過擴大癌癥影像的應用，根據中低收入國家醫療保健的復雜性制定階梯式路線圖，確保所有患者可以平等獲取，同時增加基因組學應用、提高癌癥治療的可及性和護理質量，最終可以改善全球健康狀況。