近日，北京协和医院携手北京大学人民医院、武汉第三医院及黄石市中心医院等在肺结节人工智能辅助诊断领域取得重要研究进展。团队创新开发了深度学习模型DeepFAN，完成了针对肺结节良恶性鉴别的AI辅助诊断注册临床试验。该模型已获得国家药品监督管理局三类医疗器械注册证，为肺结节的智能化、同质化诊断提供了具备高级别循证依据的临床决策工具。研究成果发表于国际权威肿瘤学期刊《自然·癌症》（Nature Cancer）。
随着胸部CT的普及，大量偶发性肺结节被检出，如何高效、准确鉴别其良恶性，成为影像诊断的重大挑战。
DeepFAN创新整合三大模块：视觉Transformer捕捉结节及周围微环境的全局特征；细粒度3D残差网络提取密度、分叶、毛刺等局部细节；图卷积网络实现两者深度融合。模型基于多中心11438枚病理确诊肺结节训练，用综合判别指数（AUC）衡量模型分辨肺结节良恶性的整体能力，数值越接近1，代表区分结节良恶性的准确度越高，内部测试AUC达0.939。该模型在美国国家肺癌筛查试验数据中开展外部验证，AUC达0.943，对良性结节的预测值高达0.992，有助于精准筛除良性结节，从而避免不必要的患者随访。
临床试验纳入3家中心400例患者的463枚病理确诊结节，由12名具备1-5年经验的低年资放射科医生参与两轮阅片。结果显示，DeepFAN模型单独诊断的AUC达0.954；无AI辅助时，12名医生平均AUC仅为0.667。在AI辅助下，医生平均AUC提升至0.776，准确度提升10.0%，敏感度提升7.6%，特异度提升12.6%，诊断一致性提升34.5%。研究揭示该模型显著依赖全局特征，与传统放射科医生偏重局部特征的诊断逻辑形成互补。
本研究为肺结节的智能化鉴别诊断提供了有效工具，有助于提升不同区域间诊疗同质化水平，为标准化影像辅助诊断研究提供参考。同时，该研究也得到了国家重点研发计划、国家自然科学基金、中央高水平医院临床科研专项等的支持。
