胸腔內淋巴結腫大（intrathoracic lymphadenopathy）是肺科醫生經(jīng)常面臨的常見(jiàn)難題，表現為縱隔和肺門(mén)淋巴結的異常增大。胸腔內淋巴結腫大的最常見(jiàn)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(wàn)例，死亡約 180 萬(wàn)例。此外，其他惡性腫瘤和良性疾?。ɡ缌馨土?、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(shí)開(kāi)展合理治療至關(guān)重要。
2025 年 7 月 21 日，上海交通大學(xué)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(fā)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(kāi)發(fā)了一個(gè)深度學(xué)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(tài)視頻，實(shí)現對胸腔內淋巴結腫大和肺部病變的診斷，準確率媲美經(jīng)驗豐富的專(zhuān)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(lài)醫師經(jīng)驗。
為突破這一限制，該研究提出一種深度學(xué)習輔助診斷系統--AI-CEMA，可基于 CP-EBUS 多模態(tài)視頻自動(dòng)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(gè)淋巴結數據進(jìn)行訓練，并通過(guò)回顧性研究驗證性能，隨后在包含 267 個(gè)淋巴結的前瞻性多中心研究中得到進(jìn)一步驗證。
AI-CEMA 的曲線(xiàn)下面積（AUC）達 0.8490，與資深專(zhuān)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(wù)，并取得了取得 0.8192 的優(yōu)異 AUC 值。
該研究的亮點(diǎn)：
AI-CEMA 能夠實(shí)現對胸腔內淋巴結腫大的無(wú)創(chuàng )診斷；
AI-CEMA 的診斷性能可與經(jīng)驗豐富的專(zhuān)家相媲美；
AI-CEMA 在肺部病變的診斷方面也表現出色。
總的來(lái)說(shuō)，AI-CEMA 系統通過(guò)提供自動(dòng)化、無(wú)創(chuàng )且專(zhuān)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
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
