首页 > 文章详情

AI革命：精准洞察与风险预测，重塑肺癌放射诊断标准

11月27日

编译：肿瘤资讯

来源：肿瘤资讯

人工智能（AI）正以前所未有的速度渗透到医学影像领域，尤其在肺癌的早期检测、病灶鉴别和风险预测方面，展现出巨大的潜力。在2025世界肺癌大会上，来自首尔国立大学医学院肺科的Yeon Wook Kim博士发表了题为《切片中的阅读：放射学中的AI革命》的专题演讲。

本讲题的核心价值在于探讨AI如何通过整合到放射影像学中，全面提升肺癌护理的精度（Precision）。演讲内容聚焦于AI在肺癌诊疗全流程中的关键应用，包括早期发现与筛查、良性与恶性病变的鉴别，以及预测未来的癌症风险。Kim博士强调，AI的应用正在颠覆传统影像诊断模式，是“征服全球肺癌及其他胸腔恶性肿瘤”的关键一步。

一、早期检测与筛查的AI突破

传统的胸部X射线（CXR）基于20世纪70-80年代三项大规模随机试验的阴性结果，被证实对肺癌筛查无效。

然而，AI的整合正在赋予现代胸部X射线新的价值。深度学习AI模型，例如DLAD-10，在外源验证测试中，相比于胸部放射科医生，在检测多种异常（如气胸、肺结节、实变、胸腔积液、钙化和心脏扩大）方面展现出更高的敏感性。

AI-集成胸片（AI-Integrated CXR）的优势在随机试验中得到证实。在一项针对10,478名体检参与者的研究中，AI组（干预组）的可处理性肺结节（Actionable Lung Nodules）检测率是是非AI组（对照组）的2.4倍（0.59% vs 0.25%；优势比OR: 2.4 (1.3, 4.6)，P=0.008）。该研究中，AI组诊断出16例肺癌，而非AI组诊断出8例肺癌。

尽管低剂量胸部CT（LDCT）已是肺癌筛查的标准方法，能显著降低肺癌特异性死亡率（基于NLST和NELSON等试验），但其主要限制在于高假阳性率。为解决这一问题，临床上发展了多种风险预测模型（如Mayo Clinic模型、Herder模型等）和Lung-RADS分类系统来进一步评估结节良恶性。例如，Lung-RADS 4B或4X类别被认为高度可疑，恶性风险超过15%，通常建议进行PET/CT或组织取样。

二、AI 实现结节的深度鉴别与分类

AI在肺结节鉴别中提供超越传统临床风险模型的深层洞察力。其核心方法论结合了：