超越大小与增长：基于AI的肺癌筛查革新——结合结节检测与诊断

肺癌恶性结节的早期检测受限于基于大小和增长的筛查标准，常常延迟诊断。我们提出一种集成 AI 系统，联合执行结节检测和恶性评估，直接在低剂量 CT 扫描的结节水平实现统一的 CADe/CADx 框架。不同于传统管线分离检测与诊断，我们的方法直接针对恶性结节进行处理，在临床决策所作出的点上重新定义评估标准。为解决数据集规模和可解释性的局限性，该系统由大型集成模型 (LEM) 构成，融合了浅层深度学习和基于特征的模型集成。系统在 25,709 例扫描、69,449 个标注结节上进行训练和评估，并在独立队列上进行外部验证。内部 AUC 为 0.98，外部 AUC 为 0.945，超越所有基于增长的指标、Lung RADS 大小分级、欧洲体积和 VDT 基于筛查标准，以及放射科医生和领先的 AI 模型。该模型在低假阳性率下保持高灵敏度，尤其擅长小型和早期癌症，使其对不确定性结节和生长缓慢的结节可提前一年进行恶性评估。这种方法有望优化肺癌筛查工作流程，支持更早、更具操作性的临床决策。