华西医院研发C-Lung-RADS系统：精准管理中国人群肺结节风险

华西医院研发C-Lung-RADS系统：精准管理中国人群肺结节风险

四川大学华西医院研究团队在《自然·医学》期刊发表重要研究成果，基于中国人群数据创新研发出C-Lung-RADS系统，实现了肺结节恶性风险的精准分级和个性化管理。该系统在独立测试中的表现优于美国Lung-RADS标准，为肺癌早期筛查和诊断提供了新的解决方案。

肺癌位居我国恶性肿瘤发病率、死亡率首位，早期肺癌可以实现治愈，而晚期肺癌患者的五年生存率极低，早诊早治是提高肺癌患者生存率的关键。低剂量螺旋CT（LDCT）是肺癌筛查、诊断的重要辅助工具，随着LDCT的广泛应用，肺结节检出率逐年增高。如何准确识别有重要临床意义的肺结节，避免治疗不足或过度治疗是肺癌筛查过程中的重要挑战。现有肺结节分级标准主要包括美国放射学会提出的Lung-RADS，通过影像信息进行肺结节分类，在中国人群的筛查效能较低。基于此，本研究基于真实世界肺结节数据，创新阶梯式C-Lung-RADS系统，智能评估肺结节的恶性风险等级（低危、中危、高危、极高危）。

该研究基于四川大学华西医院及其医联体12万受试者开展，纳入胸部CT检查检出肺结节人群，其中健康体检队列（MCC）45064例肺结节人群数据作为训练集（80%）和内部测试集（20%），社区筛查队列（MSC）14437例肺结节人群数据作为外部测试集。该系统在第一阶段（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；第二阶段（Phase 2）融合影像、临床等信息，精确诊断高危肺结节；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。并针对不同恶性风险等级的结节制定个性化随访及决策建议，以确保医疗资源合理分配，避免低危患者过度诊疗、极高危患者漏诊误诊。

最终，C-Lung-RADS系统整合了第一阶段决策树的初步分级、第二阶段深度卷积神经网络（DCNN）模型和第三阶段多维梯度提升回归（GBR）模型输出的恶性概率，综合评估肺结节风险分级，并提供相应的随访及决策建议。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的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%）。证实肺癌筛查场景中，C-Lung-RADS较Lung-RADS更适用于中国人群肺结节的风险分层。根据现行指南、专家共识和医生临床经验，C-Lung-RADS建议对低危结节进行年度LDCT随访；对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。

本研究创新性构建了适合中国人群的肺结节风险分级系统C-Lung-RADS，主要创新点有四个。
（1）大数据：构建了中国人群肺癌筛查队列、肺结节临床研究队列，涵盖约6万例肺结节人群，为模型构建奠定了坚实的数据基础；
（2）阶梯式：创新多阶段评估的肺结节风险分级方案，通过临床简便易行的方法识别出大量低危结节（占比约78.2%），着重分析风险程度高的结节（占比约21.8%），进一步筛查出极高危肺结节（占比约1.8%），优化了医疗资源分配；
（3）多维度：开发多维梯度提升回归模型整合影像、临床、随访信息，准确鉴别恶性结节，更加符合临床应用场景；
（4）可及性高：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，将优质的医疗资源送入千家万户。

C-Lung-RADS肺结节风险分级及精准管理策略的提出，为中国肺结节人群的诊疗提供了科学指导：对于低危结节，优化随访频率，避免过度诊疗；对于高危结节，制定最佳随访间隔时间，通过多维度数据融合评估精准识别极高危结节，提高早期肺癌诊断率，在肺癌“治愈窗口期”进行干预，达到治愈效果。推动肺癌早筛早诊关口前移，提高肺癌早期诊断率和五年生存率，助推健康中国建设。

李为民 教授

王成弟