刚确诊癌症？别问“还能活多久”，问问AI这6件事！

文 | 菠萝

（一）

得了癌症，第一件事应该做什么？

你大概率会说：找最好的医生，用最好的方案。

但当诊断报告摆在面前的那一刻，绝大多数人脑子一片空白。医生说的话，出诊室门就忘了一半。回到家打开手机，手抖着搜索”X癌能治吗””X癌晚期还能活多久”。

越搜越慌。

这很正常。毕竟谁能突然面对一个完全陌生的重症时，那么冷静呢？

好消息是，这几年越来越多的人开始用 AI 工具来帮忙。豆包、DeepSeek、蚂蚁阿福、ChatGPT……把自己的资料往里一扔，开始提问。

这本身是一件好事。AI不睡觉，你可以反复问、随便问、半夜三点问，它也不会烦，不会嫌你啰嗦。

但最大的问题是：大部分人根本就不知道该怎么问！

“癌症有多严重？” “还能活多久？” “最好的治疗方法是什么？”

这些问题不是没用，而是太模糊了。就像你打开导航，只说了一句”我想去个好玩的地方”，导航只能随便给你推荐几个热门景点。

自然还是人文？预算多少？几个人去？开车还是坐高铁？这些不说清楚，导航帮不了你。

用AI查癌症治疗信息也是一样的道理。

如果问的问题不对，不仅浪费时间，还可能把自己带偏。有人拿着 AI 给的错误信息去跟医生”对峙”，经常把医生搞崩溃。

所以今天咱们就来聊一件实用的事：被诊断癌症之后，到底应该问 AI 什么问题，才能拿到真正有用的信息？我会拿肺癌举例，但基本原理是普适的。

有一个大原则我必须先说清楚：AI是你的参考工具，但不是你的主治医生。AI是用来帮你整理信息、补充知识盲区、帮助理解选项的，但千万不要用它来挑战医生的判断和建议。

至于为什么，我在后面会具体展开讲讲。

（二）

为什么肺癌患者”问对问题”这件事，在今天这么重要？

答案很简单：因为肺癌的治疗，在过去十年里发生了翻天覆地的变化。

十多年前，肺癌的治疗方案基本还是”三板斧”：手术、化疗、放疗。晚期肺癌的中位生存期以月为单位来算。靶向药虽然已经出现，但也就是一代EGFR靶向药，一代ALK靶向药，适合的患者有限，效果也有限。

现在呢？

EGFR 突变、ALK 融合、ROS1 融合、KRAS G12C 突变、HER2 突变、MET 14外显子跳跃突变、RET 融合、NTRK 融合……光是有对应靶向药的驱动基因，目前就有十来种。而且很多靶向药已经出到了第二代、第三代，耐药之后还有”下一代”可以接上。

免疫治疗的出现更是彻底改变了肺癌精准治疗模式。很多以往不适合靶向药的患者，比如吸烟的男性，反而更可能从免疫治疗中获益，相当一部分患者的肿瘤可以持续控制好几年。

还有这两年非常火爆的抗体药物偶联物，也就是大家常说的ADC。你可以把它想象成一个拿着炸弹的快递小哥，专门负责把强力化疗药送到癌细胞家门口去。这样对正常细胞影响更小，副作用也就更可控。

短短十多年，肺癌的治疗选项从”三四个”变成了”三四十个”甚至更多。

这对患者来说肯定是大好事，但同时也带来了一个新问题：选择太多，决策太难。精准医疗是个很好的概念，但要从中获益，就必须把自己的癌症类型和新药匹配上。

这也就是为什么 AI 在这个时代特别有价值，因为它可以帮你快速从海量信息里筛出跟你相关的部分。

前提是，你得问对问题。

好了，铺垫够多了，咱们进入正题。下面就是我觉得最值得问AI的六个问题。

（三）

第一个问题：

我到底是什么类型的肺癌？报告上这些指标分别是什么意思？

你可能会觉得这个问题太基础了。但说实话，我见过的多数患者对自己的分型都没搞明白。知道自己得的是”肺癌”，但不知道是非小细胞还是小细胞，是腺癌还是鳞癌，更不用说分子分型了。

肿瘤分型直接决定治疗方案。非小细胞和小细胞的用药策略完全不一样；同样是肺腺癌，EGFR突变和ALK融合用的靶向药也完全不同。

所以，这个问题必须排在第一位，是因为它是所有后面问题的基础，我们要先把自己的疾病定位清楚。

你可以把病理报告和基因检测报告给AI，让它帮你解释：

你的肺癌属于哪一个亚型？报告上那些英文缩写是什么意思？有哪些基因突变被检测到了？一堆突变里面，哪个才是真正推动癌症生长的”驱动突变”？驱动突变已经有靶向药了，还是在临床试验中？

一项覆盖上万名肺癌患者的大型真实世界研究显示，做了全面基因检测、根据突变选靶向药的患者，比不做基因检测直接治疗的患者，死亡风险下降超过30%。

肺腺癌的基因检测意义尤其大。

第二个问题：

以我的分型和分期，目前最主流的治疗方案是什么？为什么选它？

定位清楚了，下一步就是看”路线图”。

每一个分型都有指南推荐的标准治疗方案。指南的方案不是谁拍脑袋决定的，而是成百上千人的大型临床试验验证出来的。

比如，对于EGFR突变的晚期肺腺癌，三代靶向药（奥希替尼、伏美替尼、阿美替尼等）是目前建议的一线标准。奥希替尼最早取得成功，在一项叫FLAURA的关键研究中，用三代靶向药的患者，中位无进展生存时间从10.2 个月延长到了18.9 个月，总生存期也明显更优。

如果是没有敏感驱动突变，不适合靶向药的晚期非小细胞肺癌，如果 PD-L1 高表达（超过 50%），PD-1免疫单药就是一个推荐选项，它的背后是 KEYNOTE-024 等临床试验的扎实数据。

你可以让 AI 帮你梳理：我这个分型的标准一线治疗是什么？这个方案的疗效数据是多少？它和其他方案相比，优点和缺点分别是什么？

第三个问题：

免疫治疗对我有用吗？我需要测什么指标来判断？

免疫治疗，尤其是PD-1/PD-L1类抗体药物，是近十年来肺癌领域最大的突破。免疫治疗不是锦上添花，它可能从根本上改变你的治疗策略。

但它和靶向治疗不一样：靶向药是”有突变就能用”，但免疫治疗缺乏单一的指标。

预测免疫治疗效果的指标有好几个层面，常用的有PD-L1 的表达水平（最常用但不完美），肿瘤突变负荷/TMB（突变越多，免疫系统越容易认出癌细胞），还有微卫星不稳定性也就是MSI-H，肿瘤微环境的状态，比如是”冷肿瘤”还是”热肿瘤”，等等。

你同样可以把病理报告和基因检测报告给AI，然后让它帮你分析免疫分型，自己是否有适合PD-1免疫疗法的指证。

第四个问题：

手术和药物的治疗顺序如何？应该先手术，还是先用药？手术后要不要用药？

这是最有技术含量的一个问题，也是很多患者容易忽视的。

过去大家的思路很简单：能手术就先手术，手术完了再用药，再放疗。但现在越来越多的研究发现，有时候改变顺序，结果反而可能更好。

治疗顺序就像做饭，同样的食材和调料，先下锅还是后下锅，口感完全不同。肺癌治疗也是一样，同样的工具，用的顺序不同，效果完全不一样。

比如，最近几年有好几项重要的研究，发现对于一部分早中期的可手术的肺癌患者，手术前先用免疫治疗联合化疗，很多人的肿瘤会在术前显著缩小甚至完全消失，生存率也会提高。这种被称为新辅助治疗。有的时候，手术前后都可以用免疫治疗，就像“三明治“一样，被称为围手术期免疫治疗。

除了先后顺序，手术后到底要不要用药？答案也是随着研究结果不断改变的。

比如对于可以手术的EGFR 突变的患者，手术完之后要不要吃靶向药？以前这件事儿没有共识。直到一项叫 ADAURA 的研究告诉我们：要！而且建议吃三年。术后用三代靶向药辅助治疗，让患者的死亡风险下降了一半以上。

让 AI 帮你了解：以你的分型和分期，目前研究证据支持的最佳治疗顺序是什么样的？有没有什么”先做什么再做什么”的讲究？为什么要按这个顺序来？

第五个问题：

怎么知道治疗有没有效果？如果耐药了怎么办？

这个问题，是在为”第一轮治疗完成之后”做准备。

评估治疗有没有效果，传统的做法是每两三个月做一次 CT，看肿瘤大了还是小了。但这几年，基于血液中的循环肿瘤DNA（ctDNA）的微小残留病灶（MRD）检测发展很快，如果有临床研究机会，大家也可以考虑。

MRD检测就像在身体里装了一个高精度的监控摄像头。肿瘤细胞在死亡的时候会释放 DNA 碎片到血液里，通过检测这些碎片的含量变化，医生有可能在 CT 图像上看出变化之前好几个月，就提前知道治疗有没有起效。

更重要的是耐药问题。所有的靶向药和免疫治疗，最终都可能面临耐药。但现在的科学进步在于，很多耐药机制已经被搞清楚了，而且有相应的对策。

比如，EGFR 突变患者吃三代靶向药之后，大约有 7% 到 10% 的人会出现 MET 基因扩增。这时候如果加上 MET 抑制剂，一部分患者又能重新获得缓解。还有一些耐药是出现了全新的突变，需要换用更新的药物。这些进展，都是近两三年才发生的事。

让 AI 帮你梳理：需要检测哪些指标？测 ctDNA有没有价值？我用的靶向药最常见的耐药机制是什么？一旦耐药，目前有哪些已经被验证的后续方案？

现在的肺癌治疗选择很多，即使耐药，也不是无路可走。

第六个问题：

有没有适合我的临床试验？

这个问题对于已经用过标准治疗出现耐药的患者尤其重要。

很多人一听到”临床试验”，脑子里浮现的画面是当小白鼠。这早就过时了，在肺癌领域，参加临床试验往往意味着你能比大多数人提前好几年用上新药。

比如，KRAS这个靶点，过去几十年被称为”不可成药”，但随着索托拉西布，氟泽雷塞等针对KRAS G12C突变的靶向药相继获批，打破了这个魔咒。其实在这些药还处于临床研究阶段的时候，就已经让很多原本无药可用的KRAS G12C突变患者获得了缓解。最近在胰腺癌中大放异彩的泛RAS抑制剂，对肺癌也有不错的效果，这类药物的临床研究肯定是非常值得关注的。

近几年，中国在肺癌新药临床试验方面的参与度越来越高。很多国际多中心临床试验都在中国大陆有研究中心，这意味着中国患者有更多机会接触到前沿药物。

可以让AI帮你整理：目前有没有针对你的分型和突变的新药临床试验？这些试验处在什么阶段（1 期、2 期还是 3 期）？试验地点在哪里？入组条件是什么？参加临床试验的获益和风险分别是什么？

有了这些信息之后，你可以去跟主治医生讨论，也可以去clinicaltrials.gov，或者国家药品监督管理局的”药物临床试验登记与信息公示平台”上核实。

（四）

六个问题讲完了。我再强调一下，不要拿 AI 去挑战医生。

你可以提问、可以讨论，但不能抱着”我在AI上查过了，医生必须按照这个做”这种心态走进诊室。

现在这样的人已经越来越多，以至于最近有医生不胜其烦，建议干脆开个“豆包医院“，让豆包看病得了。

为什么？

首先，AI会犯错，而且错得很自信。它会编造文献、虚构数据、张冠李戴。它给你的信息，可能是对的，也可能看起来是对的。

更重要的是，AI 没见过你。它不知道你的年龄、你的体力评分、你的合并用药、你的肝肾功能、你的肿瘤具体长在哪个位置。所有这些细节加起来，才是医生的决策基础。AI哪怕没有编造，也只能给一个统计意义上的”平均最佳方案”，但你是一个活生生的人，不是一个平均数据点。

最后还有一个点也不能忽视：医院里有太多东西是AI学不到的。指南的灰色地带、不同科室之间的协作惯例、某种药在中国的可及性情况、你的经济条件，这些信息都不在AI的训练数据里。

AI应该是你的车载导航。它可以告诉你很多信息，包括路怎么走、大概多久到、前面有没有拥堵。但方向盘还是得交给老司机：你的医生。

医生也会用AI，而且他们肯定比你更有判断力，你要做的，是找个你信任的医生。

大家不要掉入”信AI还是信医生”的二选一陷阱，医生+AI才是最强的组合，就像司机看了导航做出的判断，往往是最好的选择。

不要用AI建议来挑战医生！

不要用AI建议来挑战医生！

不要用AI建议来挑战医生！

重要的事情说三遍。

在AI时代看病，一个人的判断力是最核心的竞争力。如果没有判断力，一样会被网上信息带到沟里去，只不过以前是莆田系医院，现在是AI。

这几年，癌症的治疗突破太多了，真是日新月异。这种变化的速度，确实医生都不一定跟得上。作为患者，如果能在AI助手帮助下，多了解自己的疾病、多和医生探讨几个关键问题，共同决策，是真的可能改变命运的。

医学和科学都在往前跑，让我们一起跟着跑、使劲学。保持清醒、满怀希望。

致敬科学，致敬生命！

参考文献：

1.Osimertinib in Untreated EGFR-Mutated Advanced Non-Small-Cell Lung Cancer. N Engl J Med, 2018.

2.Pembrolizumab versus Chemotherapy for PD-L1-Positive Non-Small-Cell Lung Cancer. N Engl J Med, 2016.

3.Neoadjuvant Nivolumab plus Chemotherapy in Resectable Lung Cancer. N Engl J Med, 2022.

4.Perioperative Pembrolizumab for Early-Stage Non-Small-Cell Lung Cancer. N Engl J Med, 2023.

5.Overall Survival with Osimertinib in Resected EGFR-Mutated NSCLC. N Engl J Med, 2023.

6.Osimertinib after Chemoradiotherapy in Stage III EGFR-Mutated NSCLC. N Engl J Med, 2024.

7.Sotorasib versus Docetaxel for Previously Treated Non-Small-Cell Lung Cancer with KRAS G12C Mutation. Lancet, 2023.