中国医科大学宋江典团队提出基于视觉大语言模型的肺癌临床诊疗新方法

中国医科大学宋江典团队提出基于视觉大语言模型的肺癌临床诊疗新方法

引用

腾讯

1.

https://new.qq.com/rain/a/20250305A07QQB00

近日，中国医科大学宋江典团队在肺癌临床诊疗领域取得重要突破。研究团队基于多模态视觉大语言模型（GPT-4o）开发了一种新型肺癌风险评估方法，能够精准分析肺癌患者随访CT扫描图像，动态监测癌变趋势，并准确测量病变尺寸变化。该研究成果已在国际知名期刊Cell Reports Medicine发表。

肺癌是全球发病率和死亡率最高的恶性肿瘤之一。在中国，每年新发肺癌病例约106.06万例，严重威胁国民生命健康。早期诊断和监测是提高肺癌患者生存率的关键。近年来，人工智能技术在肺癌影像学诊断中的应用日益广泛，但现有方法仍存在临床可解释性有限、依赖单时间点CT等局限性。

针对这些挑战，宋江典团队提出了一种基于多模态视觉大语言模型的肺癌风险评估新方法。研究团队收集了来自国内多个中心的489例经病理确诊的肺癌患者数据，以及来自National Lung Screening Trial公开数据集的100例肺癌患者数据和78例国内肺癌患者的低剂量CT扫描图像，共计1868次CT扫描数据。

通过训练GPT-4o模型，研究团队实现了对连续CT扫描图像的精准分析，能够自动分割肺部癌变区域，预测肺癌风险概率，并在患者多次随访CT图像上动态监测肺部癌变尺寸与征象变化趋势。研究结果表明，该方法不受CT扫描剂量的影响，并能输出符合放射学报告规范的语言描述，为个体化肺癌诊断与临床监测提供了高质量参考证据。

大语言模型辅助临床在随访CT图像上动态监测肺部癌变区域变化

宋江典副教授表示，该研究通过模仿放射医生目视诊断的方式，实现了对连续CT图像的视频分析，能够准确识别并分割出病变区域，以标准放射学报告语言输出病变尺寸、边界、形态、纹理等影像征象在随访过程中的变化。这种方法不仅提高了肺癌病变风险预测精度，还为临床上更精准地评估肺癌患者癌变风险概率提供了新的思路。

通讯作者介绍

宋江典，中国医科大学副教授、博士生导师

相关论文信息：
论文标题：Assessments of Lung Nodules by an Artificial Intelligence Chatbot Using Longitudinal CT Images
论文网址：https://www.sciencedirect.com/science/article/pii/S2666379125000618
DOI：https://doi.org/10.1016/j.xcrm.2025.101988