登上医学顶刊，联影智能联合华西医院，创建适合中国人群的肺结节风险分级及精准管理策略

四川大学华西医院李为民教授、上海科技大学/联影智能沈定刚教授、联影智能石峰博士、四川大学华西医院王成弟研究员等在国际顶尖医学期刊 Nature Medicine 上发表了题为：Data-driven risk stratification and precision management of pulmonary nodules detected on chest computed tomography 的研究论文。

该研究基于中国人群肺癌筛查队列、肺结节临床队列，创新性地研发了数据驱动的中国肺结节报告和数据系统（C-Lung-RADS），实现了肺结节恶性风险精准分级和个性化管理。

低剂量螺旋计算机断层扫描（LDCT）已被证实是肺癌筛查的有效工具，多项关键研究证实，LDCT显著降低了肺癌死亡率。在中国进行的前瞻性多中心队列研究表明，在肺癌高危人群进行一次LDCT筛查可将肺癌死亡率降低31%。随着LDCT的广泛应用，肺结节的检出率逐渐提高。然而，其中至少95%筛查出的肺结节是良性的，因此，准确估计LDCT检测到的肺结节的恶性风险至关重要，能够避免漏诊、延误诊断和不必要的活检程序。

现有的肺结节管理指南主要根据密度和大小对结节进行分类。根据密度，肺结节被分为实性结节和亚实性结节，后者进一步分为纯磨玻璃结节（pGGN；无固体成分）和混合磨玻璃结节（mGGN；既有磨玻璃成分又有固体成分）。结节的大小也会影响对其性质的评估。作为最流行的指南之一，肺CT筛查报告和数据系统（Lung-RADS）建议将6毫米以下的实性结节和30毫米以下的pGGN视为良性。此外，包括梅奥模型和布鲁克大学模型在内的几个风险预测模型将临床和结节特征结合起来评估肺结节。

然而，这些模型在中国人群中的表现并不理想，需要手动评估，这既费时又费力。因此，迫切需要开发自动化的肺结节风险评估工具。

人工智能（AI）的快速发展已经革新了医疗流程，在皮肤癌亚型分类、肺炎鉴别诊断和癌症预后预测等影像识别任务中取得了显著效果。在临床工作流程中，已将几种基于深度学习的产品应用于肺结节检测。

利用AI技术进行肺结节恶性程度评估是一个新兴方向。基于计算机断层扫描（CT）体积构建的端到端深度学习模型预测NLST队列中肺结节恶性的概率，曲线下面积（AUC）为0.944，略优于专业医师。考虑到肺结节中恶性比例较低，并非所有情况下都需要耗费大量的计算资源进行评估。在医疗资源有限的地区，部署AI模型可能加剧医疗资源不平等的问题。此外，为了与临床场景相匹配，需要对恶性结节进行全面评估，整合多维信息。

在这项最新研究中，研究团队提出了一种基于大规模数据集的基于风险的中国肺结节报告和数据系统（C-Lung-RADS），用于估计肺结节的恶性风险。

该研究基于四川大学华西医院及其医联体的12万受试者开展，纳入胸部CT检查检出肺结节人群，其中健康体检队列（Medical Checkup Cohort，MCC）45064例肺结节人群数据作为训练集（80%）和内部测试集（20%），社区筛查队列（Mobile Screening Cohort，MSC）14437例肺结节人群数据数据作为外部测试集。

该系统使用分步操作方式，在第一阶段，通过自动获取结节的大小和密度，该系统能够区分出低风险、中风险、高风险和极高风险的结节。此外，它还整合了包括影像学、临床和随访数据在内的多模态特征，以识别可疑恶性结节并细化风险等级。随后，在独立测试队列中使用移动CT获取的数据对C-Lung-RADS的性能进行了验证，并进一步探索了精确管理策略的可访问性。

在识别可疑恶性结节并细化风险等级中，对于内部测试集，多维度模型（影像+临床+随访）的曲线下面积（AUC）为0.918，高于双维度模型（影像+临床）的0.882，以及单维度模型的0.881。在独立验证集中多模态模型的诊断效能同样最佳，AUC为0.927。

此外，C-Lung-RADS诊断恶性肺结节的灵敏度为79.9%，明显高于Lung-RADS的60.3%，在阳性预测值相当的情况下，C-Lung-RADS阴性预测值显著高于Lung-RADS v2022（96.1% vs 92.9%）。同样在独立测试集中，C-Lung-RADS鉴别高危肺结节的灵敏度为87.1%，优于Lung-RADS 63.3%，在阳性预测值相当的情况下，C-Lung-RADS阴性预测值显著高于Lung-RADS v2022（99.0% vs 97.1%）。

上述数据证实了在肺癌筛查场景中，C-Lung-RADS较Lung-RADS更适用于中国人群肺结节的风险分层。

基于精确的风险分层和量身定制的管理，C-Lung-RADS系统为低风险病例减少了不必要的侵入性检查程序，并为极高风险结节推荐了及时干预，以避免诊断延迟。该系统有潜力改善决策范式，并在常规检查和筛查场景中促进更有效的肺癌诊断。

四川大学华西医院为第一作者和通讯作者单位，四川大学华西医院呼吸与危重症医学科李为民教授、王成弟研究员、联影智能石峰研究员、上海科技大学沈定刚教授为论文共同通讯作者；四川大学华西医院呼吸与危重症医学科王成弟研究员、呼吸病学博士生邵俊、联影智能贺怿楚博士为论文共同第一作者。