PulmoSeek Plus：突破30mm实性结节早筛难关！

PulmoSeek Plus：突破30mm实性结节早筛难关！

引用

nature

等

12

来源

1.

https://www.nature.com/articles/s41591-024-03211-3

2.

https://baike.baidu.com/item/%E4%BD%95%E5%BB%BA%E8%A1%8C/56469534

3.

https://www.med.tsinghua.edu.cn/info/1280/2824.htm

4.

https://www.caivd-org.cn/m/article.asp?id=16583

5.

https://rs.yiigle.com/cmaid/1511175

6.

https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-024-05723-5

7.

https://www.sciencedirect.com/science/article/pii/S2666379124004804

8.

https://www.gzhmu.edu.cn/info/1192/22951.htm

9.

https://www.iivd.net/article-36425-1.html

10.

https://www.cnblogs.com/E-GENE/p/18492078

11.

https://zyicu.cn/?p=19633

12.

https://www.kanhuxi.com/documents/%E5%A4%B4%E6%9D%A1/9078/

近日，广州医科大学附属第一医院国家呼吸医学中心主任何建行教授团队在《The Lancet Digital Health》上发表研究，介绍了一种新型多模态诊断模型——PulmoSeek Plus。该模型通过联合cfDNA甲基化标志物、临床信息和影像学特征，显著提升了对包括30mm实性结节在内的各类肺结节的早期检测率，尤其对于5-10mm不确定结节的敏感性高达99%。这一突破有望大幅改善肺癌早诊现状，减少不必要的侵入性检查及手术。

PulmoSeek Plus的核心优势在于其创新性的多模态数据融合技术。该模型整合了三个维度的信息：

1. cfDNA甲基化标志物：通过检测血液中循环游离DNA的甲基化状态，可以捕捉到早期肿瘤的分子特征。这种标志物具有无创、敏感度高、特异性强的特点，能够为肺结节的良恶性判断提供分子层面的证据。

2. 影像学特征：利用深度学习技术分析CT影像，提取结节的大小、形态、边缘特征等信息。影像学特征对于判断结节的生长模式和侵袭性具有重要参考价值。

3. 临床信息：包括患者的年龄、性别、吸烟史、家族病史等。这些因素与肺癌的发生发展密切相关，能够为风险评估提供重要线索。

通过将这三类信息进行融合分析，PulmoSeek Plus能够更全面地评估肺结节的恶性风险，避免了单一模态数据的局限性。

研究结果显示，PulmoSeek Plus在内部测试数据集上取得了优异的性能表现。其AUC（曲线下面积）达到0.918（95% CI 0.918-0.919），显著优于传统的单维度诊断方法（AUC 0.881，95% CI 0.880-0.882）。

在独立队列验证中，PulmoSeek Plus的敏感性高达87.1%，远超过Lung-RADS v2022标准的63.3%。这意味着该模型能够更早、更准确地识别出恶性结节，有助于及早启动治疗。

PulmoSeek Plus的出现有望改变现有的肺癌诊疗路径。通过精准的风险分层，该模型能够：

1. 减少不必要的侵入性检查：对于低风险结节，可以避免过度的活检和手术，减轻患者负担。

2. 及时发现高风险病变：对于极高风险结节，能够及早建议干预，避免诊断延迟。

3. 优化医疗资源配置：通过精准筛选，可以将有限的医疗资源集中用于真正需要的患者。

目前，该研究团队已为PulmoSeek Plus申请了专利，并与相关企业达成技术授权协议。预计这一创新技术将很快进入临床应用阶段，为肺癌的早期诊断和治疗带来新的希望。

PulmoSeek Plus的问世标志着肺癌早期诊断进入了一个新的阶段。通过多模态数据融合和人工智能技术，我们有望突破传统诊断方法的局限，实现更精准、更早期的肺癌检测。这不仅能够提高患者的生存率和生活质量，也将为我国乃至全球的肺癌防控事业注入新的动力。