2025年3月4日，由我院健康智慧工程学教研室宋江典副教授团队联合中国医科大学附属盛京医院以及附属第四医院研究团队在期刊《Cell Reports Medicine》上合作发表了题为“Assessments of Lung Nodules by an Artificial Intelligence Chatbot Using Longitudinal CT Images”的肺癌辅助诊断与随访监测大语言模型研究论文。该研究结果表明了多模态视觉大语言模型在肺癌患者随访CT扫描图像上对肺部癌变影像特征进行放射学报告表述、动态监测癌变趋势，以及对随访过程中病变尺寸变化进行准确测量的潜力。
https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00061-8
01研究背景
肺癌是目前全球发病率与死亡率第一的恶性癌症，同时也是我国恶性肿瘤发病和死亡的首要原因。由于大多数肺癌患者在确诊时已错过最佳根治性手术治疗时机，目前我国肺癌患者平均五年生存率仍处于较低水平。因此，临床及早发现与精准监测成为提高我国肺癌患者人群生存状况的关键[1]。尽管基于人工智能方法的肺部癌变辅助风险预测已取得一定进展，但由于人工智能模型尤其是深度学习模型的“黑箱”属性，缺乏对特征提取和决策过程的透明性与可解释性，难以提供高质量临床证据支持。其次，当前研究多基于单时间点的CT图像进行特征分析，而癌变区域在CT图像上随时间的变化则能够解码更多有价值的预测信息。因此基于患者多时间点的随访CT数据提出辅助诊疗方法，输出放射学可解释的诊断结果，将显著提高肺癌风险预测与临床管理。
02视觉大语言模型辅助肺癌诊疗与随访监测
在这项研究中，团队基于来自国内多中心489例经病理确诊良性/恶性肺癌患者的多时间点对比增强CT扫描图像，来自国外National Lung Screening Trial公开数据集100例肺癌患者，以及来自国内中心的78肺癌患者的多时间点低剂量CT扫描图像，共计1868次CT扫描数据[2]。通过提示词记录肺部癌变区域坐标及患者基本人口统计学资料，实验结果表明视觉大语言模型能够准确监测患者随访CT上癌变尺寸变化，与多名放射科医生手工测量的结节尺寸相比，类内相关系数为0.91；与病理学良恶性诊断结果相比，融合三次及以上随访CT图像的诊断精度为88%；同时，在识别肺部癌变影像学特征如形状、边缘、内部结构和密度、小支气管受累、周围小血管、以及瘤周结构改变等关键影像学征象等，六位放射科医生的人工评分表明，视觉大语言模型检测以上特征精度的中位Likert得分为4.17/5.00。研究结果证明了当前视觉大语言模型对监测患者随访CT上癌变尺寸变化、癌变概率趋势、以及影像征象改变等任务的性能。
视觉大模型辅助临床在随访CT图像上动态监测肺部癌变尺寸变化
视觉大模型监测随访CT图像上肺部癌变的恶性变化趋势显著提升预测精度
与此同时，团队基于大语言模型开展的肺癌影像评估系列研究的部分初步成果于2025年2月21日至23日亮相柳叶刀峰会：中国癌症控制大会（The Lancet Summit: Cancer Control in China）。会议由《柳叶刀-肿瘤学》（The Lancet Oncology）主办，与《柳叶刀-呼吸病学》（The Lancet Respiratory Medicine）、《柳叶刀-胃肠病学和肝脏病学》（The Lancet Gastroenterology & Hepatology）、《柳叶刀-区域健康（西太平洋）》（The Lancet Regional Health–Western Pacific）和《柳叶刀》（The Lancet）合作组织。研究成果摘要已发表在《柳叶刀-区域健康（西太平洋）》（The Lancet Regional Health – Western Pacific, Volume 55, 101390）。
The Lancet Summit: Cancer Control in China现场交流场景
03总结
当前视觉大语言模型能够在给定病变坐标的前提下，准确识别并分割出病变区域。基于所识别的病变区域，视觉大语言模型能够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，并在动态随访监测过程中实时调整对病变区域癌变概率的评估，显著提高了肺癌病变风险预测精度。基于以上研究初步结果，本团队为临床更精准地评估肺癌患者癌变风险概率，并为个体化的肺癌患者动态监测与临床管理提供了新的思路。
参考资料：
[1] 国家卫生健康委办公厅关于印发肺癌筛查与早诊早治方案（2024年版）和结直肠癌筛查与早诊早治方案（2024年版）的通知, 国卫办医急函〔2024〕281号, 2024-08-27.
[2] Yuqiang Mao, Nan Xu, Yanan Wu, Lu Wang, Hongtao Wang, Qianqian He, Tianqi Zhao, Shuangchun Ma, Meihong Zhou, Hongjie Jin, Dongmei Pei, Lina Zhang, Jiangdian Song. Assessments of Lung Nodules by an Artificial Intelligence Chatbot Using Longitudinal CT Images. Cell Reports Medicine, 2025; 101988 Online.
