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