首页 > 文章详情

2026 WCLC丨韩宝惠教授：以风险模型重塑肺癌筛查，推动机会性筛查与AI全流程融合

09月20日

来源：肿瘤资讯

2026年世界肺癌大会（WCLC）于当地时间9月12日至15日在韩国首尔召开，作为肺癌领域重要的国际学术盛会，本届大会集中呈现了肺癌筛查、早期诊断、分期及治疗领域的最新进展。随着低剂量CT（LDCT）筛查不断普及，早期肺癌检测的关注重点正由“是否开展筛查”进一步转向如何精准识别目标人群、制定个体化筛查策略，并实现筛查结果的规范管理。【肿瘤资讯】特邀上海市胸科医院韩宝惠教授围绕肺癌风险预测模型的临床价值、机会性筛查的实施路径，以及人工智能（AI）在筛查全流程中的应用前景展开深入解读。

韩宝惠

上海市胸科医院

上海市胸科医院呼吸与危重症医学科名誉主任
主任医师，博士研究生导师
上海市领军人才，上海市优秀学科带头人
国务院特殊津贴获得者
中国呼吸医师奖获得者
中华肺癌学院执行院长
CSCO非小细胞肺癌专委会副主任委员
上海市医学会肿瘤靶分子专委会主委
曾获中华医学科技奖二等奖、上海市医学科技奖二、三等奖、中国呼吸医师奖、2022年度中国医疗产业创新一等奖（奇璞奖）、中国医药学会科技创新一等奖等多项殊荣
领衔承担国家十一五科技攻关项目、科技部重点专项等多项高水平重大、重点科研课题
在国内外高水平杂志发表肺癌领域专业论文300余篇，主编、参编医学专著10余部

从单一风险因素迈向综合风险模型，提升筛查人群识别的精准度

韩宝惠教授：LDCT筛查是降低肺癌死亡风险、改善患者长期生存的重要手段。美国国家肺癌筛查试验（NLST）显示，与胸部X线检查相比，LDCT筛查可使肺癌死亡率相对降低20.0%¹。NELSON研究进一步证实，规范开展LDCT筛查能够提高早期肺癌检出比例，并降低高危人群的肺癌死亡风险²。因此，持续推进肺癌早筛、早诊和早治，是改善肺癌整体预后的关键措施。

早期筛查方案主要依据年龄、吸烟史等单项危险因素界定高危人群。这种方法便于实施，但不同国家和地区的肺癌危险因素构成并不完全一致。我国肺癌筛查指南除关注年龄和吸烟暴露外，也将环境或职业暴露、慢性肺部疾病及肺癌家族史等因素纳入风险评估³。尤其对于不吸烟女性等人群，如果完全套用以重度吸烟为核心的国外筛查标准，可能难以充分覆盖其实际风险。

风险预测模型的价值，在于将年龄、吸烟暴露、既往疾病史、家族史及其他相关变量进行综合量化，并依据各因素的权重估算个体患病风险。与简单的“满足或不满足某项条件”相比，这种连续、动态的风险评估方式有望更准确地识别筛查获益人群。既往研究表明，基于个体风险的筛选模型可以改善对肺癌高风险人群的识别效率⁴。

不过，模型在一个队列中表现良好，并不意味着可以直接推广至其他地区。不同人群的疾病谱、暴露特征和医疗条件存在差异，模型进入临床前仍需开展本土化验证、校准及前瞻性评估，明确适用人群和风险阈值，避免扩大漏筛、过度筛查及假阳性所带来的潜在影响。

机会性筛查有望扩大早诊覆盖，但规范流程与质量控制不可或缺

韩宝惠教授：肺癌筛查是一项系统工程，涉及目标人群动员、LDCT检查、影像判读、肺结节分层、随访管理和数据分析，需要持续投入人员、设备及公共卫生资源。仅依靠临床医生或单一医疗机构，难以完成大规模、长期化的人群筛查。

在这一背景下，机会性筛查可能成为有组织人群筛查的重要补充。对于因健康体检、其他疾病诊疗或主动健康管理而接受胸部CT检查的人群，医疗机构可依据统一标准同步完成肺癌风险评估；符合高危条件者，可纳入规范的筛查及随访路径。该模式能够利用现有医疗服务场景，减少额外的人群组织成本，并提高筛查的可及性。

未来，机会性筛查的覆盖范围可能进一步扩大，但其发展不能只追求检查数量。首先需要明确筛查对象、LDCT技术参数和影像判读标准；其次应建立肺结节风险分层、转诊及随访闭环；同时还应加强数据完整性、隐私保护和跨机构质量控制。只有形成可执行、可追踪且可评价的标准化流程，机会性筛查才能真正提高早期肺癌发现效率，而不是简单增加CT检查。

AI赋能肺癌筛查全程，专家参与和临床验证仍是关键

韩宝惠教授：AI在肺癌筛查中的价值并不限于肺结节检出。现阶段更具可操作性的路径，是将AI分别嵌入筛查前、筛查中和筛查后的关键环节。

在筛查前，移动端工具可以协助完成危险因素采集、风险计算和目标人群初筛，减少纸质表格填写及人工录入造成的信息缺失。在筛查过程中，AI影像分析系统可辅助识别和测量肺结节，并提供初步分类信息，从而降低影像科医生处理大规模筛查影像的工作负担，提高判读效率与一致性。在筛查后，AI还可参与结节风险分层、随访提醒和数据管理。对于不同风险等级的肺结节，应由影像科、呼吸科、胸外科等多学科团队结合影像特征及临床信息进行判断：高度疑似早期肺癌者进入进一步诊疗流程；考虑炎症等良性病变可能者，可根据临床情况处理并短期复查；低风险结节则进入相应的长期随访路径。AI能够辅助整理影像和临床资料，但现阶段仍不能替代专业人员完成最终诊断及治疗决策。

未来可进一步打通风险评估、LDCT影像分析、结节分层和长期随访等模块，形成全流程AI辅助筛查体系。但AI能否独立承担完整筛查流程，仍需在真实临床环境中验证其准确性、泛化能力、可解释性及安全性。更现实的发展方向，是通过AI提高效率，并由临床专家完成关键节点审核与决策。

总结

肺癌筛查正在由基于少数危险因素的粗放式筛选，逐步走向风险模型驱动的精准分层，并进一步延伸至机会性筛查和AI辅助的全流程管理。风险模型能否跨地区应用，仍取决于本土化验证和合理阈值设定；机会性筛查能否转化为早诊获益，关键在于标准化和随访闭环；AI的临床价值则需通过前瞻性研究及真实世界实践持续评估。未来应在扩大筛查覆盖面的同时，兼顾假阳性、过度诊断、资源配置和数据安全等问题，以建立更加精准、规范且可持续的肺癌早期检测体系。

参考文献

1. National Lung Screening Trial Research Team. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011;365(5):395-409. DOI: 10.1056/NEJMoa1102873.

2. de Koning HJ, van der Aalst CM, de Jong PA, et al. Reduced lung-cancer mortality with volume CT screening in a randomized trial. N Engl J Med. 2020;382(6):503-513. DOI: 10.1056/NEJMoa1911793.

3. 赫捷, 李霓, 陈万青, 等. 中国肺癌筛查与早诊早治指南（2021，北京）.中华肿瘤杂志.2021;43(3):243-268. DOI: 10.3760/cma.j.cn112152-20210119-00060.

4. Tammemägi MC, Katki HA, Hocking WG, et al. Selection criteria for lung-cancer screening. N Engl J Med. 2013;368(8):728-736. DOI: 10.1056/NEJMoa1211776.

责任编辑：肿瘤资讯-Yang
排版编辑：肿瘤资讯-XiangY