跳到正文
原文
梅斯医学·临床资讯·· 2026-10-21精选AI 评分66

张岩巍教授谈AI肺癌筛查,单一组学准确度约80%至85%,多模态融合可升至90%以上

对话大咖 | 张岩巍教授深度解析:AI筛查肺癌单一组学有上限,多模态融合才是未来

AI 导读

上海市胸科医院张岩巍在访谈中表示,AI影像读片用于肺癌筛查的准确度约80%至85%,单一组学存在上限,其团队将影像组学与外泌体RNA测序数据融合后准确度可提升至90%以上。

推荐理由

张岩巍结合CLUS系列研究介绍影像组学准确度约80%至85%的上限,以及融合液体活检后提升至90%以上的思路。

正文

深度解析医学证据,DeepEvidence为你支撑决策

编者按

当AI遇上肺癌筛查,它究竟能走多远?从标注结节到判断良恶性,从单一影像组学到多模态融合,从“年度拍片”到动态风险评估,人工智能正在重塑肺癌早筛的每一个环节。然而,技术越进步,边界也越清晰:AI对周围型小结节表现不俗,对早期中央型病变却仍有局限;影像组学触及精度天花板后,如何借力液体活检实现突破?当指南仍以结节大小决定随访间隔,多模态模型能否给出更精准的风险分层?

在2026“海丝侨韵·肺腑同心”惠世肺癌早筛早诊及精准治疗第二届学术大会上,【医悦汇】对话大咖栏目特邀上海市胸科医院张岩巍教授,结合其团队CLUS系列研究数据,深度解析AI在肺癌筛查中的现实边界与未来图景。

医悦汇:人工智能在肺癌筛查中的应用正在从“辅助检测”走向“辅助诊断”。呼吸科医生在门诊面对CT报告时,AI工具能否真正帮助弥补影像判读经验的不足,实现“即看即判”的精准决策?

张岩巍教授:确实,我们最初使用AI,它更像是一种辅助检测的工具。所谓辅助检测,即通过人工智能阅读影像,将存在问题的结节标注出来,其任务便已完成。而如今,我们对AI的要求已更为提高,希望它不仅能发现结节,还能判断该结节究竟为良性还是恶性。因此,目前市面上许多AI软件已能够在发现结节后将其标注,并提示恶性程度大约为多少,例如70%或80%的恶性可能。当然,我们对于AI的要求或许还应更高,例如它对该结节判断为良性或恶性之后,未来能否进一步告诉我们,若为良性,它考虑的是陈旧性病灶还是感染性病灶,这或许仍需很长的路要走。

此外,关于AI读片,目前我们发现AI读片存在的另一个问题,是其对于周围型病灶(如周围型小结节)的发现并无问题,但对于一些早期的中央型病变,目前AI的诊断能力仍存在一定局限。因此,AI未来究竟能否实现“即看即诊断”,我想仍有很长的路要走,其精度仍需进一步训练。

所以目前而言,我们使用AI,更多的仍是起到辅助作用,帮助临床医生找到一些周围型病灶。呼吸科医生阅读肺部影像是一项基本功,例如门诊上给我一份CT影像或CT报告,我一般仍需直接阅读影像,报告仅作为参考,无论其为影像科医生所写报告,还是AI的读片结果。因此,未来AI的发展,必然是从辅助检测走向辅助诊断,未来再进一步发展,则可能达到更高层面,即帮助医生先行作出诊断,这或许是未来发展的一个方向。

医悦汇:您在ELCC大会上展示的CLUS研究5年随访数据也印证了AI融合多模态数据可有效提升筛查效率。从“单次扫描”到“纵向融合”,这种技术演进对临床实践意味着什么?是否意味着未来肺癌筛查将不再仅仅是“年度拍片”,而是一个“动态风险评估与个体化筛查间隔调整”的智能化管理体系?

张岩巍教授:我们开展的CLUS系列研究从1.0版做到2.0版,目前正在开展3.0版。您所提到的2.0版,是我们进行的一项新技术创新,将人工智能技术、液体活检,包括荧光支气管镜,创新性地、前瞻性地应用于筛查之中。

在ELCC上公布的这一多模态模型为2.0版本,即将影像组学与液体活检信息进行多模态融合。那么为何要进行融合?因为我们发现,单一组学的诊断效率存在上限。例如,我们以AI进行影像读片,即便喂入大量数据,影像诊断的准确度仅能达到80%,若再继续喂入数据,准确定依然难以继续提升。

近期在Nature Communications杂志上发表了一项最新Meta分析发现,市面上所有AI影像诊断工具的准确性基本在80%-85%之间。这也提示我们,任何单一组学,其精准度提升至一定程度后,均存在其极限。这正是为何我们在临床上看到,许多结节在形态上并无太大区别,但有的为良性,有的为恶性,对于这部分结节,确实需要多模态、多组学的加入。我们尝试采用外泌体RNA测序的组学数据与影像组学进行融合,其准确度又能获得进一步提升,可从平均的80%-85%提升至90%以上,这也是未来的一个趋势。

那么,为何要构建这样的多模态模型以给出恶性风险?这是因为我们目前观察国际上包括国内的指南,对于结节的随访间隔均根据其大小来判断,而这样相对不够准确。未来希望我们的模型能够给出一个恶性风险等级,我们则根据风险等级,个体化地建议患者间隔多长时间来进一步筛查,以及个体化的随访。

医悦汇:从临床医生的视角来看,“影像AI”与“液体活检”这两种技术路径是竞争关系还是互补关系?

张岩巍教授:影像组学与液体活检二者之间的关系一定是互补的。

我们构建该模型的目的,是验证两者进行多模态融合之后,较单一组学的准确度均有明显提高。那么未来如何应用?当我们发现一个结节,CT影像学这个基本盘加上AI的辅助诊断,可使其准确度达到80%-85%。临床上,AI的诊断很确定,临床医生诊断也很确定的结节,肯定就不需要再做液体活检了;而对于一些模棱两可的结节,这一类结节便是未来应用多模态模型的场景。通过多模态模型再给出一个辅助诊断的风险等级,在这种情况下帮助医生对这种相对诊断困难的结节作出更加精准的诊断或随访策略。

医悦汇:作为一位兼具临床诊疗和AI早筛研究视角的专家,您如何看待AI筛查技术的未来生态?它是否会催生“筛查—诊断—风险分层—个体化干预”的闭环管理体系?

张岩巍教授:未来,AI在筛查领域一定会有更加广阔的应用空间。

2024年JTO杂志上发表了一篇关于未来5年肺癌筛查发展路径的文章,最终提到希望在2027年能够形成一个由AI指导的标准化的Protocol,即一个标准化的路径。

这样的做法目的是什么?我们AI相对来说会固化一些流程,如果每一个环节都由人的主观去判断,在执行时,不同地区肯定会有一定的偏移。因此,若能形成一个AI的标准化的路径,包括从高危人群的识别、结节的诊断、后续的随访策略以及患者不良反应的监控,形成一个闭环的管理,那么整个筛查的规则策略便会固定下来,更容易在全国范围内进行大范围的推广。

因此,未来AI一定会在筛查领域发挥非常重要的作用。当然,可能还有许多困难,这就需要我们各个专业的同道共同合作,能够把AI的所谓Protocol固化下来。

写在后面

从辅助检测到辅助诊断,再到未来可能帮助医生先行作出诊断,AI在肺癌筛查中的角色正在不断进阶。但张岩巍教授的思考始终清醒:技术有上限,融合才有突破;规范要固化,落地才可推广。

当影像组学与液体活检走向多模态融合,当AI从“单次读片”走向“纵向风险评估”,肺癌筛查便不再只是“拍一张片子”那么简单,而是一个覆盖筛查、诊断、风险分层与个体化干预的闭环管理体系。这条路仍有许多困难,需要各专业同道携手作答。而真正决定AI价值的,不只是算法的精度,更是我们如何将技术嵌入临床、将规范落于实践、将个体化贯穿始终。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

来源:梅斯医学·临床资讯 · news.medsci.cn