撰文丨王聰
編輯丨王多魚
排版丨水成文
胸腔內淋巴結腫大(intrathoracic lymphadenopathy)是肺科醫生經常面臨的常見難題,表現為縱隔和肺門淋巴結的異常增大。胸腔內淋巴結腫大的最常見惡性病因是肺癌,肺癌是世界第一大癌癥,也是癌癥死亡的首要原因。據世界衛生組織國際癌癥研究機構的數據,在 2022 年,全球估計新增肺癌病例約 250 萬例,死亡約 180 萬例。此外,其他惡性腫瘤和良性疾病(例如淋巴瘤、肺外腫瘤的胸腔內淋巴結轉移、結節病、非特異性淋巴結炎、結核病等)也可能表現為胸腔內淋巴結腫大。對胸腔內淋巴結腫大的準確評估決定了疾病的診斷和分期,這對及時開展合理治療至關重要。
2025 年 7 月 21 日,上海交通大學孫加源教授、熊紅凱教授、戴文睿教授團隊合作,在 Cell 子刊Cell Reports Medicine上發表了題為:Deep learning for detection and diagnosis of intrathoracic lymphadenopathy from endobronchial ultrasound multimodal videos: A multi-center study 的研究論文。
該研究開發了一個深度學習輔助診斷系統——AI-CEMA,可基于凸陣掃描超聲支氣管鏡(CP-EBUS)多模態視頻,實現對胸腔內淋巴結腫大和肺部病變的診斷,準確率媲美經驗豐富的專家。
凸陣掃描超聲支氣管鏡(CP-EBUS) 的超聲圖像特征是診斷胸腔內淋巴結腫大(intrathoracic lymphadenopathy)的重要依據。而傳統 CP-EBUS 影像分析方法高度依賴醫師經驗。
為突破這一限制,該研究提出一種深度學習輔助診斷系統——AI-CEMA,可基于 CP-EBUS 多模態視頻自動選擇代表性圖像、識別淋巴結,并區分良惡性淋巴結。AI-CEMA 首先使用單中心 1006 個淋巴結數據進行訓練,并通過回顧性研究驗證性能,隨后在包含 267 個淋巴結的前瞻性多中心研究中得到進一步驗證。
AI-CEMA 的曲線下面積(AUC)達 0.8490,與資深專家水平相當(AUC=0.7847)。此外,該系統成功遷移應用于肺部病變診斷任務,并取得了取得 0.8192 的優異 AUC 值。
該研究的亮點:
AI-CEMA 能夠實現對胸腔內淋巴結腫大的無創診斷;
AI-CEMA 的診斷性能可與經驗豐富的專家相媲美;
AI-CEMA 在肺部病變的診斷方面也表現出色。
總的來說,AI-CEMA 系統通過提供自動化、無創且專家級的診斷,在胸腔內淋巴結腫大和肺部病變的臨床診斷中展現了巨大潛力。
論文鏈接:
https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00316-7
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.