华西医院研发C-Lung-RADS系统，精准诊断助力肺癌早筛

华西医院研发C-Lung-RADS系统，精准诊断助力肺癌早筛

肺癌作为我国恶性肿瘤的“头号杀手”，其发病率和死亡率均居各类癌症之首。根据国家癌症中心发布的最新数据，2022年我国肺癌新发病例达106.06万，死亡病例更是高达73.3万。然而，早期肺癌的5年生存率可高达82%，而晚期肺癌的5年生存率则骤降至7%。因此，肺结节的早期精准诊断对于识别肺癌高危人群、开展早诊早治、改善预后尤为关键。

近日，四川大学华西医院呼吸与危重症医学科李为民教授、王成弟研究员团队在医学顶级期刊《自然-医学》（Nature Medicine）发表重要研究成果，创新性研发了适合中国人群的肺结节风险分级系统——C-Lung-RADS（Chinese Lung Nodules Reporting and Data System）。这一系统基于中国人群肺癌筛查队列、肺结节临床队列，实现了肺结节恶性风险的精准分级和个性化管理。

创新性构建中国人群肺结节风险分级系统

C-Lung-RADS系统通过多阶段评估机制，智能评估肺结节的恶性风险等级。具体而言，该系统分为三个阶段：

• 第一阶段（Phase 1）：自动检出肺结节，利用决策树分类模型，根据密度和大小对肺结节进行初步风险分级。对于实性结节，恶性风险分级的大小阈值为6、10和18 mm；对于纯磨玻璃结节，低、中、高危的大小阈值分别为6和20 mm；对于部分实性结节，其阈值是根据结节大小（6 mm）和实性成分直径（6和10 mm）来确定。

• 第二阶段（Phase 2）：融合影像、临床等信息，精确诊断高危肺结节。通过深度卷积神经网络（DCNN）生成肺结节恶性概率，并与结节风险类型相关联。

• 第三阶段（Phase 2+）：进一步纳入随访结果，建立多模态融合模型，诊断极高危肺结节。通过多维度模型（影像+临床+随访）的AUC为0.918（95%置信区间[CI]: 0.918-0.919），显著高于双维度模型（影像+临床，AUC=0.882，95% CI: 0.881-0.883）和单维度模型（影像，AUC=0.881，95% CI: 0.880-0.882）。

显著提升早期肺癌诊断准确性

研究结果显示，C-Lung-RADS系统在内部测试集中诊断恶性肺结节的灵敏度为79.9%，明显高于Lung-RADS的60.3%，在阳性预测值相当的情况下，C-Lung-RADS阴性预测值显著高于Lung-RADS v2022（96.1% vs 92.9%）。同样在独立测试集中，C-Lung-RADS鉴别高危肺结节的灵敏度为87.1%，优于Lung-RADS 63.3%，在阳性预测值相当的情况下，C-Lung-RADS阴性预测值显著高于Lung-RADS v2022（99.0% vs 97.1%）。

优化医疗资源配置，避免过度诊疗

C-Lung-RADS系统不仅提高了诊断准确性，还通过风险分级优化了医疗资源配置。根据系统建议，低危结节可进行年度LDCT随访；中危和高危结节分别进行6个月和3个月CT随访；对于极高危结节，建议进行多学科讨论并立即临床干预。这种分级管理策略有效避免了过度诊疗，同时确保高危患者得到及时治疗。

实际应用效果显著

目前，搭载C-Lung-RADS AI软件的智慧健康管理车已在四川广安、甘孜等地成功应用，突破地域限制，提高肺癌筛查的可及率。自2022年起，该智慧健康管理移动车已“驶入”四川广安、绵竹等地，为3万多名群众提供肺癌筛查，发现了100多例早期肺癌患者。

李为民教授表示，C-Lung-RADS在数据源头上具有“中国特色”，为医生提供了更专业、更适合国人的肺结节精准诊断与评估“中国方案”，具有很高的科学性和针对性，是我国重大疾病诊断标准本土化的一次突破。依托人工智能辅助诊断技术，C-Lung-RADS有望在全国范围内普及肺癌精准早筛早诊，优化医疗资源配置。

这一研究成果不仅提升了我国在肺癌早期筛查领域的技术水平，更为广大患者带来了新的希望。通过精准识别高危肺结节，减少漏诊情况发生，实现早期肺癌的精准诊断，为肺结节的个性化管理提供切实有效的参考依据。随着该系统的广泛应用，相信将有越来越多的肺癌患者能够在“治愈窗口期”得到及时干预，显著改善预后。