浙江省肿瘤医院与深睿团队AI新突破：一眼“看穿”未来3年肺癌风险！
长期以来，肺结节始终是肺癌筛查舞台上的 “绝对主角”。但临床实践早已证明，结节并非肺癌风险的 “全部答案”—— 即便基线扫描未检出结节的人群中，仍有 “筛查间期肺癌” 与 “筛查后肺癌” 悄然发生，单一结节指标难以完整勾勒个体的真实风险轮廓。最新研究证据进一步揭示，吸烟、空气污染等因素引发的肺组织长期慢性微环境改变，才是肺结节乃至肺癌发生发展的关键生理病理 “温床”。能否借助低剂量 CT（LDCT）精准表征全肺 “土壤” 状态，进而有效评估中长期肺癌 “种子” 的萌发风险？ 解锁肺癌早筛新逻辑 研究团队提出“土壤-种子”的假说，开展了基于人工智能个体化肺癌风险评估的系列研究。课题组首先证实了全肺LDCT特征与肺癌的风险关系，并在此基础上进一步提出本研究“肺结节+肺背景”的分析策略，联合深睿医疗首席科学家俞益洲教授团队共同构建了长期肺癌预测模型ScreenLungNet，在国内浙江温岭筛查（约1万例）和美国NLST队列（约1.5万例）中验证（AUC，0.93-0.94），证实了借助LDCT定量全肺表型特征评估个体化中长期肺癌风险的价值。 ScreenLungNet 一个“全局视野”的神探 项目团队从2013年至今专注于肺癌LDCT筛查工作，现由影像学、流行病学和遗传学、人工智能专家组成，提出并建立智能化肺癌筛查模式，开展多中心10万余人次队列验证，并对200余家基层医院进行培训推广。 本研究以温岭肺癌筛查队列（数据集1：2019-2020队列）为基础进行训练，为避免筛查人群良恶性结节大小差异较大、恶性结节比例偏低等因素对模型性能的影响，研究特别设置了因影像难以鉴别而手术治疗的良恶性配对病例进行局部特征强化，并划分出Lung-RADS分类难以鉴别的富集亚组进行验证。最后，在温岭肺癌筛查队列（数据集1：2021队列）和NLST公开数据集（测试集2）进行测试。 模型构建流程图 为了验证从“以结节为中心”走向“全肺评估”的风险预测策略是否更科学，研究团队设计了一组递进式的消融实验，以系统评估不同影像层次对长期肺癌风险预测的贡献，并明确肺部整体环境的作用。具体包括四个模型： 仅使用恶性评分最高的一个结节征，模拟传统“以结节为核心”的诊断方式； 整合所有结节特征，反映临床多发结节的综合判断； 不依赖结节标注，直接利用Vision Transformer提取整肺影像的全局特征，描述“肺部土壤”状态； 结合结节与全肺特征，输出未来3年内肺癌风险概率（0–1）。 在多组测试中，基于全肺评估的 ScreenLungNet 表现最为出色（如下图所示）。其他模型也各有优势，结节模型的阳性预测值（PPV）更高，说明结节识别能力关键；全肺模型的敏感性更高，对早期变化反应更敏锐。尤其值得关注的是：在 NLST 基线阴性（即“看起来健康”）人群中，通过3年以上随访结果验证，全肺模型的表现超过多结节模型。这意味着在长期肺癌风险预测中，肺部整体环境（“土壤”）的信息具有不可替代的价值。全肺CT包含了与潜在病理生理相关的影像特征表现——而这些“早期土壤变化”能够通过Vision Transformer精准捕捉并量化。 4个模型在不同测试队列上的性能表现 从“关注结节”转向“全肺视野”，本研究突破了传统“以结节为核心”的肺癌筛查模式，首次系统验证了全肺CT特征（“土壤”）在长期肺癌风险预测中的关键价值，提供了肺癌筛查新思路，从“只看局部结节（种子）”向“洞察整体肺环境（土壤+种子）”的策略转变。 专家评述 Radiology在同期刊出了一篇由佛蒙特大学医学中心（UVM）放射科心胸影像学科放射领域专家Pedro V. Staziaki教授针对本研究的述评，对本研究结果给予了高度评价。他指出这是将肺癌筛查从“原始”推向更高级、更智能阶段的重要一步，也即：我们应该利用人工智能（AI）超越仅仅寻找肺结节的传统肺癌筛查模式，转而对整个“肺部微环境”（Lung Milieu）进行综合评估，从而为低风险患者提供一个安全的“保修期”（Warranty Period），避免不必要的年度筛查。 ScreenLungNet 模式跳出单一结节评估的局限，通过 LDCT 捕捉全肺 “土壤” 的细微变化，让肺癌 “种子” 的萌发风险无所遁形。这一突破不仅为肺癌早筛提供了更精准、全面的个体化解决方案，更重新定义了肺癌风险评估的逻辑框架。 深睿医疗在肺癌领域构建了 “早筛 - 诊断 - 治疗 - 科研” 全周期、全场景的智能化布局，以技术创新贯穿肺癌诊疗全链条。自2020年深睿医疗获批国内首个肺结节AI创新医械三类证 ，2024年又获得国内首个肺癌AI诊断产品三类证，AI技术不再仅仅停留在病灶的检出位置、大小等基础信息。在胸部CT影像检查时实现微小肺结节精准检出与良恶性甄别，在肺癌筛查中对结节的恶性度早期预判具有重大意义。该产品也获批北京市首台（套）重大技术装备认证。 深睿医疗高度重视产学研深度合作，此前与北京协和医院合作的肺腺癌浸润程度预测模型，入选 Radiology 2024年度 Top Publications，标志着深睿医疗在医疗人工智能领域的技术实力和创新成果得到了国际权威的广泛关注。同时携手陆军军医大学第一附属医院共同打造人工智能辅助肺癌多学科精准诊疗决策平台（AI-MDT）自2023年11月正式开诊，已为2000 多位患者提供更个性化、更精准的智能诊疗服务，诊断与决策采纳率均超 95%。 截至目前，深睿医疗以14张NMPA三类证居于行业前列，牵头或参与了13项国家科技部重大专项，16项国家自然科学基金项目及30多个省市级科研重点专项，已发表论文累计影响因子近1800，科研成果获得国家科技进步二等奖，并接连在河南省、山东省、浙江省等地获得省级科学技术进步奖的殊荣。 未来，深睿医疗将继续以技术迭代与多中心验证为核心，推动更多科研成果转化落地，让全周期智能解决方案惠及更广人群。通过持续优化风险预测、诊断精准度与治疗协同效率，助力肺癌诊疗实现从 “被动检出” 向 “主动预防”、从 “单点辅助” 向 “全链赋能” 的跨越，为降低肺癌死亡率、守护公众肺部健康筑牢科技屏障，书写 AI 赋能精准医疗的新篇章。 论文引用信息 Lin C, Tan W, Zhou Z, Zhu L, Du L, Zhu C, Li Y, Chen K, Shi L, Ji C, Ma Z, Zhou Q, Zhang L, Yang J, Ma H, Zhu M, Zhou X, Wu L, Wang E, Yu Y, Shi L. ScreenLungNet: Personalized Long-Term Prediction of Lung Cancer Risk from a Single Low-Dose CT Screening. Radiology. 2025 Oct;317(1):e251310. doi: 10.1148/radiol.251310.近日，由浙江省肿瘤医院石磊教授团队联合香港大学、深睿医疗共同完成的肺癌领域科研成果，被国际知名期刊《Radiology》收录（影响因子 15.2，中科院 1 区）。研究团队创新性的构建了通过单次低剂量 CT（LDCT）筛查实现肺癌风险个性化长期预测的模型（ScreenLungNet），模型核心在于整合 LDCT 影像中的多结节特征与全局肺特征，精准完成 3 年肺癌风险预判，为临床优化肺癌筛查流程、提升早诊效率提供了关键技术支撑。
