Submitted on:
October 29, 2026, 14:43
利益冲突声明
评议人应承认、澄清并披露任何可能包括以下方面的(但不限于)的潜在利益冲突,评议人如果发现有利益冲突,应当及时告知编辑部,并停止手稿的下一步处理 。
评议人是否与作者存在密切的个人和/或专业关系;在BPG或者其他期刊提交过相类似或者存在竞争关系的手稿;与作者一同学习,或存在师友、亲属等关系;曾在过去5年中与作者有过学术合作、学术出版或财务利益关系?
跟踪文章质量同行评议的标准
首先,遵守行业制定的出版道德标准,出版高质量的文章是BPG的使命。其次,严格同行评议手稿,以及进一步跟踪评价文章出版后的科学质量是编委会成员/同行评议人的使命。
以下评价要点供编委会成员/同行评议人在评价文章时参考使用:
1 伦理:作者提供的伦理批准文件是否符合要求?
2 方法:作者的实验方法是否有效?同行是否能够重复实验?
3 结果:作者的结果是否真实可靠?是否具有普遍意义的理论或假说被验证或部分被验证?
4 图表:作者是否提供了完美的表格,线条图和图片?或者作者提供的图表结构混乱,令人困惑或没有很好的注释?
5 生物统计学:作者是否提供了一个完美的生物统计学数据? 或表格和线条图中的数据有许多错误?
6 参考文献:作者是否科学,合理引用与科学问题和研究假说相关的最新的、本领域重要的参考文献?或作者自引、漏引、错引和过度堆砌参考文献?
7 语言:作者的语言表达是否达到正确、清楚和简洁?是否有许多语法和拼写等错误?
8 缺陷:作者的研究结果有哪些需要特殊说明或缺陷?
给作者的意见
请根据上述的评审标准,对文章的客观性、可信性和科学性做一个具体有意义的评价,明确作者哪些问题已经解决,哪些问题尚未解决,还存在什么问题,下一步作者拟采用哪种方法解决问题,等具体内容。另外,高质量的总结评论意见有利于作者未来的研究和读者的兴趣,以及更有利于本学科的发展。请在下面填写您对作者的详细评论:
该研究对指导临床具有一定的价值。
奖励作者
1 奖励目的:为了表彰作者将具有原始创新性(originality, innovativeness)的基础研究,临床研究,病例报告和综述文章,发表在BPG 43种开放获取出版物上,让更多的读者获取最新的研究成果,促进了医学科学的发展,做出了杰出性贡献。我们为了感谢作者的贡献,设立Baishideng Distinguished Award,目的是跟踪文章质量,以及奖励通讯作者。
2 评选方法:我们将邀请编委会成员,跟踪评价每一期最新出版的文章质量,并且评选出优秀文章的推荐奖项。根据推荐奖项和文章的学术影响力,评选出每年一度的”Baishideng Distinguished Award"。学术影响力,包括文章的引用次数,点击次数和下载次数。
3 奖励数量:BPG 出版的43种刊物发表文章中,选取12篇文章奖励作者,分别为综述文章3篇,基础研究3篇,临床研究3篇和病例报告3篇。
4 奖励金额:一等奖5000 USD ;二奖奖3000 USD ;三奖奖2000 USD 。以及获得Baishideng Distinguished Award证书。
5 获奖名单:我们将Baishideng Distinguished Award获奖名单公布在BPG官方网站上。
编委会成员/同行评议人应根据跟踪文章质量评价结果,评选出优秀文章的推荐奖项:
Submitted on:
October 29, 2026, 15:16
利益冲突声明
评议人应承认、澄清并披露任何可能包括以下方面的(但不限于)的潜在利益冲突,评议人如果发现有利益冲突,应当及时告知编辑部,并停止手稿的下一步处理 。
评议人是否与作者存在密切的个人和/或专业关系;在BPG或者其他期刊提交过相类似或者存在竞争关系的手稿;与作者一同学习,或存在师友、亲属等关系;曾在过去5年中与作者有过学术合作、学术出版或财务利益关系?
跟踪文章质量同行评议的标准
首先,遵守行业制定的出版道德标准,出版高质量的文章是BPG的使命。其次,严格同行评议手稿,以及进一步跟踪评价文章出版后的科学质量是编委会成员/同行评议人的使命。
以下评价要点供编委会成员/同行评议人在评价文章时参考使用:
1 伦理:作者提供的伦理批准文件是否符合要求?
2 方法:作者的实验方法是否有效?同行是否能够重复实验?
3 结果:作者的结果是否真实可靠?是否具有普遍意义的理论或假说被验证或部分被验证?
4 图表:作者是否提供了完美的表格,线条图和图片?或者作者提供的图表结构混乱,令人困惑或没有很好的注释?
5 生物统计学:作者是否提供了一个完美的生物统计学数据? 或表格和线条图中的数据有许多错误?
6 参考文献:作者是否科学,合理引用与科学问题和研究假说相关的最新的、本领域重要的参考文献?或作者自引、漏引、错引和过度堆砌参考文献?
7 语言:作者的语言表达是否达到正确、清楚和简洁?是否有许多语法和拼写等错误?
8 缺陷:作者的研究结果有哪些需要特殊说明或缺陷?
给作者的意见
请根据上述的评审标准,对文章的客观性、可信性和科学性做一个具体有意义的评价,明确作者哪些问题已经解决,哪些问题尚未解决,还存在什么问题,下一步作者拟采用哪种方法解决问题,等具体内容。另外,高质量的总结评论意见有利于作者未来的研究和读者的兴趣,以及更有利于本学科的发展。请在下面填写您对作者的详细评论:
一、总体判断
本文是一篇医工交叉背景下的述评,围绕结直肠癌肝转移(CRLM)风险预测、病灶识别与鉴别、术后复发与预后分层、系统治疗疗效预测及动态管理五个环节,系统梳理了2021-2026年人工智能(AI)的代表性研究,并以图1构建了“多模态数据基础—全周期任务—智能决策体系”的整体框架。文章最大的价值不在于罗列模型性能,而在于在医学AI热潮中保持了难得的冷静:既讲清AI能做什么,又明确其当前只能作为“可验证、可解释的辅助决策支持,而非替代临床判断”。总体而言,文章框架完整、证据可溯、表述审慎,科学性与可读性较好;其不足主要来自所纳入原始研究本身的证据等级,以及述评方法学交代不够充分。
二、客观性、可信性与科学性评价
(一)客观性:立场克制,未夸大AI效用
文章没有把AI“神化”,而是在第6章从数据、模型、临床转化、技术四个层面坦诚列出局限,并在各环节普遍使用“可能”“提示”“有待验证”等审慎措辞。其明确指出“较高的AUC并不等同于稳定的临床性能或实际临床价值”,这一判断切中当前医学AI研究的要害。对阴性或不一致结果也如实呈现,例如Mühlberg等基于103例的几何形态学模型,纯影像组学AUC仅0.53、临床模型0.56,多因素Logistic回归中各变量并无独立相关,作者并未回避这一“性能不佳”的证据,而是据此说明单纯影像特征在该队列预测能力有限。这种同时呈现正面与反面证据、并明确AI定位的写法,保证了文章的客观性。
(二)可信性:来源可溯,但属“有限可信”
文章引用的44篇文献以2021-2026年为主,兼顾GLOBOCAN流行病学经典、国内外指南共识与同行评议原创研究,关键数据均标注角标,且AUC、敏感度、特异度等多组数据相互印证,来源链条清晰。但其可信性受制于所纳入原始研究的设计:多数为单中心、回顾性、小样本研究(如Mühlberg 103例、Granata小样本、部分队列事件数不足),普遍缺乏独立外部验证,模型在外部测试集上性能下降;不同研究的扫描协议、ROI勾画、阈值与终点不统一,难以横向比较。文章自身也如实披露了这些限制,因此其结论是建立在对证据等级充分披露基础上的“有限可信”,读者可据此判断外推边界,而非被单一高AUC误导。
(三)科学性:范式清晰,推断边界严谨
在理论框架上,图1以医学影像、数字病理、分子/空间多组学、临床与液体活检四类数据为基础,对应五大全周期任务,符合医学AI的科学范式;在方法学上,文章准确梳理了从传统手工影像组学、深度学习(CNN、ResNet、YOLO、生成对抗网络)、可解释AI(SHAP、Grad-CAM)到数字病理、单细胞与空间转录组、ctDNA的技术脉络,术语规范、机制衔接合理。更重要的是,文章反复强调“影像特征与结局仅为相关、不能推断因果”“空间组学发现需独立临床队列与功能实验验证、避免循环论证”,体现了对科学推断边界的尊重。需要指出的是,作为述评,本文未系统交代文献检索的数据库、时间、检索词与纳排标准(亦无PRISMA流程),存在一定选择偏倚;对TRIPOD-AI、CLAIM、PROBAST等模型报告与偏倚评估规范虽隐含涉及,却未明确系统引用,这是其科学性上可进一步加强之处。
三、问题的分层研判:已解决、未解决与仍需警惕
(一)本文已经解决的问题
1. 框架整合问题:已建立覆盖CRLM“预测—识别—预后—治疗—动态管理”全周期的AI应用全景图(图1),回答了“AI在各环节能做什么、依赖什么数据、输出什么决策”,解决了知识碎片化的整合问题。
2. 证据梳理问题:已对代表性研究按数据类型、模型与性能分类归纳,使读者能够快速把握前沿脉络与技术演进方向。
3. 认知定位问题:已系统揭示数据、模型、转化、技术四类瓶颈,明确AI是辅助而非替代,完成了对“AI万能论”的认知纠偏。
4. 机制衔接问题:已将数字病理HGP、单细胞与空间组学、肠-肝轴及转移前微环境等前沿机制与临床表型对应,初步搭建“影像/分子特征—生物学机制—临床决策”的解释链条。
(二)尚未解决的问题
1. 临床硬终点问题:现有研究多以AUC等替代指标评价,尚未证明AI能真正改善总生存、无病生存、复发率等患者结局,也缺乏成本效益等卫生经济学证据。
2. 泛化与外部验证问题:多数模型仅在单中心内部验证表现良好,缺乏跨中心、跨设备、跨协议的大规模独立外部验证与前瞻性临床试验,稳定性与可迁移性未解决。
3. 可解释性问题:SHAP、Grad-CAM等仍属“事后解释”,不能证明模型所用特征与真实肿瘤生物学(如转移前微环境变化)存在因果关系,黑箱本质未根本突破。
4. 标准化问题:扫描参数(如虚拟单能keV)、影像组学特征、ROI勾画与阈值在研究间不统一,缺乏可重复的开源技术规范。
5. 数据治理问题:多中心数据共享、隐私保护与标注一致性(阅片者间差异)尚未形成可行机制。
6. 述评方法学问题:本文未提供系统检索方法,纳入证据的代表性与完整性无法被独立评估。
(三)仍需警惕的风险
1. 过拟合与偏倚:小样本、高维特征、事件数不足易致过拟合,回顾性、单中心、病例选择偏倚普遍。
2. 证据外推风险:部分结论来自其他癌种或胆道肿瘤混合人群,直接外推至CRLM需谨慎。
3. 因果误读风险:相关性证据可能被读者误读为因果,进而导致临床误用。
4. 落地鸿沟:AI模型与影像归档系统(PACS)、电子病历(EMR)整合度低,真实工作流嵌入不足;AI医疗器械的审批路径与责任归属在文中着墨较少。
四、下一步研究方法与解决路径建议
(一)数据层面:建立标准化、前瞻性、多中心纵向数据库
统一扫描协议(层厚、对比剂、时相、虚拟单能keV)与ROI勾画、标注规范,并以ICC或Kappa评价多阅片者一致性;采用联邦学习在原始数据不出域的前提下实现多中心联合建模,兼顾数据共享与隐私合规;同时建立含多次随访的纵向数据结构,支撑疾病动态轨迹建模。
(二)模型层面:强化外部验证、完整指标与可解释性
开展独立外部验证与时间外验证,除AUC外完整报告95%置信区间、敏感度、特异度、校准曲线与决策曲线(DCA),以判断模型在真实阈值下的净获益;遵循TRIPOD-AI、CLAIM报告规范并以PROBAST评估偏倚,开源代码与容器化流程以提升可重复性;通过交叉验证、正则化与特征预筛选控制小样本过拟合;并结合分子生物学功能实验验证SHAP、Grad-CAM所指特征的生物学真实性,推动“事后解释”走向机制可解释。
(三)转化层面:以前瞻性研究验证硬终点与增量价值
先开展前瞻性盲法外部验证,再设计多中心随机对照或前瞻性队列研究,比较“AI指导决策”与“常规决策”在R0切除、复发、无病生存/总生存及成本效益上的差异,验证AI相对临床模型的增量价值;明确AI在多学科诊疗(MDT)中的定位,将模型经接口嵌入PACS/EMR,并进行真实世界可用性评估。
(四)机制层面:多模态融合与因果验证
整合影像、数字病理、空间多组学、ctDNA/液体活检与临床数据构建多模态融合模型并交叉验证;对单细胞与空间组学发现的候选通路,通过独立临床队列结合类器官、基因敲减/过表达及动物模型等功能实验验证因果,避免仅以相关性推断机制。
(五)述评本身的方法学完善
补充系统检索方法(数据库、时间范围、检索词、纳排标准及PRISMA流程),明确证据分级;补充伦理豁免说明与利益冲突声明,并增加一张“模型—数据—性能—验证状态”的性能总结表,便于读者横向比较。
五、总结评论及其对作者、读者与学科的价值
本文在医学AI快速升温的背景下,以全周期框架整合分散证据、以严谨态度揭示局限,为后续研究者提供了一张清晰的“问题地图”,也为临床读者建立了理性看待AI的认知标尺,其方向把握与科学态度值得肯定。对作者而言,下一阶段的关键是把研究重心从“发表高AUC模型”转向“前瞻性验证临床硬终点与真实世界落地”,用多中心、可解释、可重复的证据回答“AI是否真正改善患者结局”;对读者而言,应在关注性能数字的同时重视证据等级与外推边界;对本学科而言,推动医工深度融合、统一数据与报告标准、打通从模型到监管审批的转化链条,正是消化肿瘤领域高质量发展的核心所在。
奖励作者
1 奖励目的:为了表彰作者将具有原始创新性(originality, innovativeness)的基础研究,临床研究,病例报告和综述文章,发表在BPG 43种开放获取出版物上,让更多的读者获取最新的研究成果,促进了医学科学的发展,做出了杰出性贡献。我们为了感谢作者的贡献,设立Baishideng Distinguished Award,目的是跟踪文章质量,以及奖励通讯作者。
2 评选方法:我们将邀请编委会成员,跟踪评价每一期最新出版的文章质量,并且评选出优秀文章的推荐奖项。根据推荐奖项和文章的学术影响力,评选出每年一度的”Baishideng Distinguished Award"。学术影响力,包括文章的引用次数,点击次数和下载次数。
3 奖励数量:BPG 出版的43种刊物发表文章中,选取12篇文章奖励作者,分别为综述文章3篇,基础研究3篇,临床研究3篇和病例报告3篇。
4 奖励金额:一等奖5000 USD ;二奖奖3000 USD ;三奖奖2000 USD 。以及获得Baishideng Distinguished Award证书。
5 获奖名单:我们将Baishideng Distinguished Award获奖名单公布在BPG官方网站上。
编委会成员/同行评议人应根据跟踪文章质量评价结果,评选出优秀文章的推荐奖项:
Submitted on:
October 30, 2026, 12:41
利益冲突声明
评议人应承认、澄清并披露任何可能包括以下方面的(但不限于)的潜在利益冲突,评议人如果发现有利益冲突,应当及时告知编辑部,并停止手稿的下一步处理 。
评议人是否与作者存在密切的个人和/或专业关系;在BPG或者其他期刊提交过相类似或者存在竞争关系的手稿;与作者一同学习,或存在师友、亲属等关系;曾在过去5年中与作者有过学术合作、学术出版或财务利益关系?
跟踪文章质量同行评议的标准
首先,遵守行业制定的出版道德标准,出版高质量的文章是BPG的使命。其次,严格同行评议手稿,以及进一步跟踪评价文章出版后的科学质量是编委会成员/同行评议人的使命。
以下评价要点供编委会成员/同行评议人在评价文章时参考使用:
1 伦理:作者提供的伦理批准文件是否符合要求?
2 方法:作者的实验方法是否有效?同行是否能够重复实验?
3 结果:作者的结果是否真实可靠?是否具有普遍意义的理论或假说被验证或部分被验证?
4 图表:作者是否提供了完美的表格,线条图和图片?或者作者提供的图表结构混乱,令人困惑或没有很好的注释?
5 生物统计学:作者是否提供了一个完美的生物统计学数据? 或表格和线条图中的数据有许多错误?
6 参考文献:作者是否科学,合理引用与科学问题和研究假说相关的最新的、本领域重要的参考文献?或作者自引、漏引、错引和过度堆砌参考文献?
7 语言:作者的语言表达是否达到正确、清楚和简洁?是否有许多语法和拼写等错误?
8 缺陷:作者的研究结果有哪些需要特殊说明或缺陷?
给作者的意见
请根据上述的评审标准,对文章的客观性、可信性和科学性做一个具体有意义的评价,明确作者哪些问题已经解决,哪些问题尚未解决,还存在什么问题,下一步作者拟采用哪种方法解决问题,等具体内容。另外,高质量的总结评论意见有利于作者未来的研究和读者的兴趣,以及更有利于本学科的发展。请在下面填写您对作者的详细评论:
近几年研究显示AI可用于诊断CRC肝转移、判断预后和疗效预测,但目前尚需进一步扩大研究和完美。本文有一定参考价值和启示。
奖励作者
1 奖励目的:为了表彰作者将具有原始创新性(originality, innovativeness)的基础研究,临床研究,病例报告和综述文章,发表在BPG 43种开放获取出版物上,让更多的读者获取最新的研究成果,促进了医学科学的发展,做出了杰出性贡献。我们为了感谢作者的贡献,设立Baishideng Distinguished Award,目的是跟踪文章质量,以及奖励通讯作者。
2 评选方法:我们将邀请编委会成员,跟踪评价每一期最新出版的文章质量,并且评选出优秀文章的推荐奖项。根据推荐奖项和文章的学术影响力,评选出每年一度的”Baishideng Distinguished Award"。学术影响力,包括文章的引用次数,点击次数和下载次数。
3 奖励数量:BPG 出版的43种刊物发表文章中,选取12篇文章奖励作者,分别为综述文章3篇,基础研究3篇,临床研究3篇和病例报告3篇。
4 奖励金额:一等奖5000 USD ;二奖奖3000 USD ;三奖奖2000 USD 。以及获得Baishideng Distinguished Award证书。
5 获奖名单:我们将Baishideng Distinguished Award获奖名单公布在BPG官方网站上。
编委会成员/同行评议人应根据跟踪文章质量评价结果,评选出优秀文章的推荐奖项: