人工智能应用于肺癌筛诊疗的专家共识(2026版)

发布日期:
2026-05-18
出处:
中国胸心血管外科临床杂志,2026,33(6):848-85.
AI大纲:

共识背景与目标

  • 肺癌是全球发病率、死亡率最高的恶性肿瘤,早发现、精准治疗是改善患者预后的关键,当前肺癌筛诊疗仍存在人工效率不足、主观经验局限等痛点
  • 人工智能结合影像组学、病理组学、多模态数据融合等技术,在肺癌早筛、诊断、治疗、随访全流程展现应用潜力,但其临床转化存在数据标准化不足、模型泛化性有限、伦理监管待完善等问题
  • 本共识汇聚多学科专家意见,明确AI在肺癌筛诊疗中的适用场景与技术标准,为AI辅助肺癌临床诊疗与转化提供规范化指导

AI在肺癌筛诊疗中的应用场景

肺结节筛查与良恶性鉴别

  • 技术优势
    • 用于低剂量螺旋CT筛查的肺结节自动检出与风险评估,对直径<10mm微小结节识别性能优异,可将阅片时间缩短至数分钟,检出敏感度达91%,优于人工阅片的82%,提升早筛效率
    • 良恶性结节AI诊断模型准确性优于多学科医师团队,多中心验证表现优异;AI赋能影像特征联合液体活检,可将良性结节误切率降至3%
  • 应用局限
    • 对亚实性结节假阴性率偏高
    • 绝大多数AI模型缺乏大型随机对照试验的高级别证据支持
  • 专家共识
    • AI辅助筛查可作为肺结节初筛工具,尤其适用于高通量筛查场景,需结合吸烟史、职业暴露、既往病史、家族史等高危因素或液体活检结果综合评估,必要时由影像科医师人工复核

肺癌病理分型与分子特征预测

  • 技术进展
    • 基于卷积神经网络的深度学习模型,可通过苏木精-伊红染色切片自动识别腺癌、鳞癌、小细胞肺癌等主要病理亚型,分类准确率≥90%,部分多中心验证中与资深病理医师水平相当,部分模型可实现病理亚分级
    • 可无创预测EGFR、KRAS、ALK等常见驱动基因突变状态,独立验证队列中曲线下面积多≥0.85,部分EGFR突变预测模型准确率超95%,可作为分子检测前预筛工具,优化检测策略、缩短诊断周期、降低检测成本
  • 应用局限
    • 对分化程度低、组织结构异质性高的肿瘤预测稳定性差,易出现假阴性/假阳性
    • 无法充分解读驱动突变与其他基因的协同关系,多组学跨模态标注数据不足制约模型泛化能力
  • 专家共识
    • 在高质量数字病理图像支持下,AI可辅助肺癌组织学亚型判别及驱动基因突变预测,适用于预筛分型、图像初判、资源优化等场景,所有结果需经病理医师复核后方可用于治疗决策,建议开展多中心前瞻性研究推动技术临床转化

治疗决策支持与预后评估

  • 手术规划
    • 基于术前高分辨率CT构建肺叶、肺段三维重建模型,自动识别支气管、动静脉走行及结节与肺段的空间关系,可视化肺段边界,提高解剖变异识别率,缩短术前规划时间
    • 结合术前肺功能参数与病灶位置,模拟不同手术方式对肺功能的影响,预测术后功能保留比例,为个体化切除方案制定提供支持
  • 放疗辅助
    • 自动勾画肿瘤靶区与风险器官,提升不同医师勾画轮廓的一致性,Kappa值从约0.65提升至0.85以上,缩短勾画时间、降低主观差异
    • 结合多模态影像构建区域性肺功能图谱,辅助优化照射野,优先避开高功能肺区,减少正常肺组织受照剂量,降低放射性肺炎风险,AI制定的放疗计划医师认可度达82%
    • 可精准识别能从放疗中获益的早期不可手术肺癌患者,辅助放疗剂量调整、分割方案优化及联合治疗策略制定,推动放疗向个体化、数据驱动模式转变
  • 药物治疗优化
    • 基于多模态数据(病理图像、基因组数据、临床变量)构建AI驱动的复合模型,实现靶向/免疫治疗反应的先验评估
    • 深度学习可识别病理图像中免疫浸润、PD-L1表达、组织学异质性等特征,辅助预测免疫治疗反应
    • 模型可整合TMB、MSI等基因组生物标志物提升疗效预测准确性
  • AI辅助多学科会诊(MDT)
    • 借助NLP、知识图谱、多模态融合技术自动整合结构化病例信息,实现一键式病例汇总
    • 可匹配循证医学证据与相似病例,提示诊断分歧点、治疗路径、预后风险因素,提升讨论效率
    • 可作为复杂争议病例的第二意见工具,减少决策偏倚
    • 国内已有机构开发本地化AI+MDT工具并亮相国际学术会议

随访管理与疗效监测

  • 自动化随访系统
    • 通过纵向影像配准技术自动比对不同时间点薄层CT,实现病灶精准定位与追踪
    • 可自动计算肿瘤体积倍增时间,监测形态学动态变化,构建肿瘤生长演化轨迹
    • 可降低人工阅片负担,减少测量偏差,提升病灶变化识别的敏感性与一致性
  • 患者风险分层
    • 结合肿瘤分子特征、随访影像、血液微小残留病灶变化、既往治疗反应、临床指标等,通过时间序列建模实现动态风险再分层
    • 较传统静态评估更能反映肿瘤演化与疾病进展轨迹,预测稳定性与可解释性更高
    • 可早期识别高风险人群,优化复查策略,提升早期干预可能性

技术规范与实施要求

  • 数据采集与标注
    • 影像数据符合DICOM标准,覆盖多中心、多设备类型
    • 标注由高年资医师完成,临床数据结构化存储并与影像数据关联
  • 算法开发与验证
    • 模型需完成交叉验证与外部验证,建议开展前瞻性RCT提供高级别循证证据
    • 算法需通过伦理审查,对数据做匿名化处理保障隐私
  • 系统集成与临床部署
    • 辅助诊断系统需与HIS/PACS系统无缝对接,支持一键式报告生成
    • 界面符合医师操作习惯,可提供实时反馈,具备持续学习能力,定期更新模型
  • 当前局限性
    • 数据集地域性特征显著,模型泛化性不足,需扩展多种族数据
    • 多数研究样本量小,缺乏长期随访数据验证临床效用
  • 多学科协作机制
    • 建立“临床医师+数据科学家+工程师”联合团队,推动算法对接临床需求
    • 本地化部署AI工具参与MDT闭环管理,提升患者获益率
    • 制定临床操作指南,明确AI与医师的责任边界
  • 伦理与监管
    • 建立AI医疗产品审批标准,明确准入与退出机制
    • 禁止AI独立出具诊断报告
    • 落实患者知情同意,告知AI的辅助角色与潜在风险

未来发展方向

  • 多模态融合:整合影像、病理、基因组及临床数据,构建全息化诊断模型
  • 生成式AI应用:利用GAN模拟罕见病例影像,辅助罕见病诊断
  • 远程与基层医疗:开发轻量化AI工具,赋能基层开展肺癌早筛与规范化诊疗

核心专家共识

  • AI辅助治疗决策在肺癌手术规划、放疗实施、系统治疗优化中已有初步应用基础,需在真实世界研究与前瞻性试验中进一步验证价值,坚持临床医师主导、伦理合规,最终决策权由MDT团队掌控
  • AI用于肺结节动态监测、肺癌术后及治疗后随访,在病灶监测、疗效评估、复发预警方面有明确应用价值,可作为辅助工具在医师主导下结合患者个体情况应用
  • AI应用需遵循三大原则:辅助而非替代,所有诊断需结合医师经验与多学科评估;建立持续学习验证机制,动态优化算法;以患者为中心,聚焦提升诊疗效率与患者获益,避免技术滥用
展开全部

部分内容仅可在
临床指南app 查看下载

阅读免费指南
发送到邮箱

收藏

分享

评论
提交评论
cqzmc2005
2026.05.19
回复
用了一段时间,使用很方便,还有查找功能,实现了快速匹配
/ 没有更多了 /
上传者信息
jisheng
于2026-05-19上传
编者信息
中国研究型医院学会

中国研究型医院学会,英文名称Chinese Research Hospital Association(CRHA),是经国家民政部正式批复并登记注册的全国性一级学会,是独立的法人社团。中国研究型医院学会是由以探索和建设研究型医院为目标的具有医疗服务、科学研究和临床教学“三位一体”功能的医疗机构,以及从事研究型医院理论与实践研究的人员自愿结成的全国性、专业性、学术性、非营利性社会组织。

置顶