肺癌是我国发病率和死亡率位居首位的恶性肿瘤 [1]。

真实世界研究发现“早期肺癌”是改善肺癌预后的关键……提出相关理论和概念，重新界定了肺癌筛查高危人群

我们对26226例肺癌的5年生存率进行真实世界的研究，结果发现其中早期肺癌（I期）5年生存率能达到84.2%，IA 1期5年生存率95.28%，IA 2期5年生存率超过了93%。但到了晚期，IV期降到了18.41%。因此，发现部分早期肺癌可以治愈。

因此，我们率先提出了超早期肺癌的概念，将大小＜2cm、无淋巴结转移及远处转移的可治愈的肺癌定义为超早期肺癌。

世界各国普遍推荐采用低剂量螺旋CT（LDCT）进行肺癌筛查。然而，筛查的主要难点之一在于如何精准确定肺癌筛查的高危人群，早期筛查不足导致早期肺癌漏诊误诊，延误为晚期；筛查过度为过度医疗，需要合理筛查才能实现成本效益的最大化。

对于肺癌筛查高危人群，美国指南推荐的是50岁以上重度吸烟者作为肺癌的筛查人群，是否适合中国？我们从近26万的肺癌筛查队列中发现，1600例肺癌患者，其中非吸烟占87.1%，而小于50岁的肺癌占40.7%，说明美国的筛查标准并不适合我国 [2]。

为此，我们基于临床流行病学证据及真实世界研究发现，中国肺癌的危险因素并非仅限于吸烟；与美国不同，后者的肺癌危险因素中85%可归因于吸烟。然而，在我国，肺癌的发生涉及多种危险因素。因此，我们建议：40岁以上且具有至少一个危险因素的人群，均应接受肺癌筛查 [3]。

LDCT肺癌筛查之后是否解决了我们先前提及的漏诊问题？确实，该方案的应用显著降低了肺癌筛查的漏诊率，漏诊率降至33.8%。若采用国际标准，如美国的方案，漏诊率为83.8%。然而，人们可能会质疑，当前漏诊率为33.8%，是否意味着漏诊率仍较高？同时，筛查出的阳性率是否也偏低？因此，未来的方向应是实施阶梯式筛查方案，以解决这些问题 [4]。

从常规LDCT到LDCT薄层三维重建（Tre-LDCT)技术，再到AI 智能检测手段……肺癌的“阶梯式”筛查研究历程及改革方向

回顾我们团队肺癌筛查研究的历程，自2003年数字化胸片（DR）、2007年胸部螺旋CT、2012年低剂量螺旋CT、2017年薄层重建LDCT，至2020年薄层重建LDCT结合人工智能（AI），整个发展进程展现出随影像技术的发展而不断进步。国际国内，包括华西医院团队，均持续致力于肺癌筛查技术方法的研究。

基于常规LDCT肺癌筛查发现的早期肺癌占比低，仅31%，未能达到早发现早治疗的目标 [5]。

为此，我们创建了LDCT薄层三维重建（Tre-LDCT）技术，将过去的二维常规5mm层厚CT重建为1mm层厚薄层CT及横断面、冠状面与矢状面三个维度的影像，从而清晰展示微小病灶，并同时呈现其内部结构及与周围血管胸膜的关系。

该技术我们从2017年开始应用，三维重建可精准定位及清晰显示内部结构如空泡征、血管穿透征等，以及是否有胸膜侵犯。

为了破解早期肺癌被漏诊的难点，我们医工结合开发了智能检出肺部早期病变（肺小结节）的人工智能技术，证实智能化检出肺结节优于放射科专科医师平均水平，且阅片效率提高50%。目前已获得了三类医疗器械注册证，全国各大医院均可引进该人工智能软件技术检出肺小结节 [6
]。

筛查发现肺结节的良恶性判断是又一临床难点，肺结节如何精准良恶性分层？

我们当前面临的一项主要挑战在于肺结节的良恶性判断。采用美国肺结节分层标准（Lung-RADS）在中国人群中的准确性较低，仅为56.5%，这相当于随机猜测的水平。

其原因是Lung-RADS标准建立数据来源于美国肺癌筛查结果，非中国人群的数据，且为单维影像学特征。我们对中国人群肺癌筛查发现的肺结节进行研究，发现主要呈现为磨玻璃结节、亚实性结节，而实性结节则相对较少 [7]。

我们建立了12万例肺癌筛查队列，发现5.9万例肺结节，经过为期2至5年的系统随访，对VDT低于600天及病理确诊为肺癌的肺结节确定为极高风险，分成低风险、中风险、高风险及极高风险肺结节，建立肺结节风险分层的大数据。

首先应用决策树算法，发现了肺结节恶性风险分层的影像特征最优阈值，建立了基于CT影像肺结节恶性风险分级阈值，有效识别低危肺结节。

这是我们华西基于影像特征的肺结节恶性风险分层，与Lung-RADS的数据对比，结果显示，单一维度影像确定低危肺结节效果好，鉴别高危结节效能低。

为了进一步提高中高危结节的鉴别效能，我们建立了阶梯式多维肺结节恶性风险分层方法，研发智能化恶性风险分级系统，可精准锁定极高危肺结节。这一研究成果发表在Nat Med 2024 [8]。

同时基于中国肺结节恶性风险分层标准提出了精准处理策略，创建了中国版智能化阶梯式肺结节恶性风险分级标准C-Lung-RADS [8]。

该方案受到了国际国内认可。意大利国家癌症研究与筛查网络著名肺癌筛查专家Mascalchi教授评价认为，我们创新人工智能驱动的方法建立的 C-Lung-RADS，提升了中国人群肺结节风险分层能力。中国科学报报道肺结节风险分级有了中国方案 [9]。

高危肺结节无创精准诊断

针对仅应用影像学单维数据建立的人工智能方法，其准确性较低的难点，我们率先突破统一的多模态数据融合技术，建立人工智能多模态融合模型，诊断准确性从85%提高到92% [11]。

肺小结节（＜1cm)精准鉴别是超早期肺癌诊断的另一挑战， 我们研究了AI肺小结节诊断技术，发现采用立体分割肺结节病灶结合CT影像随访数据建立的AI模型，可较好鉴别肺结节良恶性，准确性达三级医院专家水平。

在取得这些技术突破后，更关键的是实现医工结合，研发此类人工智能产品。因此，我们获得了相关专利，并开发出获得国家批准的三类医疗器械。该产品已在各医院应用，是我国首个也是目前国际上唯一可用于诊断的人工智能诊断产品。我们可以利用它来精准恶性风险分层，鉴别病变的良恶性，制定处理策略，推动早期肺癌精准诊断的同质化。

肺结节良恶性鉴别的主要目的在于避免早期肺癌误诊、减少过度外科手术及反复CT检查。我们探讨了利用分子标记物进一步提升诊断准确性，在早期肺癌组织中挖掘出50个甲基化位点，在血液中筛选出15个甲基化分子，并鉴定出11个具有高敏感性和高特异性的甲基化分子，从而显著提高良恶性鉴别的准确性，未来方向将是人工智能联合甲基化分子标志物，破解过度诊疗的难题 [11]。

小结一下肺癌筛查的经验：一是重新界定高危人群；二是采用三维薄层重建LDCT筛查技术；三是应用C-Lung-RADS恶性风险评估与精准处理；四是利用人工智能技术赋能无创诊断。

参考文献

1. JNatlCancerCent2024;4(3):203-213

2. Precis Clin Med 2025

3. 中国肺癌杂志 2010, J Evid Based Med 2022 

4. BMC Cancer 2021

5. 美国国家肺癌筛查计划（NLST ）

6. npj Digit Med 2022* 

7. Cancer Imaging 2024;24(1):15

8. Nat Med 2024

9. Signal Transduct Target Ther 2025;10(1):18

10. Nat Biomed Eng 2023

11. Li WM et al. Resp Res 2023*

专家介绍

李为民

四川大学华西医院/华西临床医学院呼吸与危重症医学科主任医师、教授、博士生导师，呼吸和共病研究院院长，教育部长江特岗学者。国家四大慢病重大专项副总师，呼吸和共病全国重点实验室副主任，国家精准医学产业创新中心主任，教育部疾病分子网络前沿科学中心主任。担任中华医学会副会长、中国医师协会副会长、中华医学会呼吸病学分会候任主任委员。担任“十四五”规划临床医学专业第二轮器官-系统整合教材《呼吸系统与疾病》第一主编，Precision Clinical Medicine主编，Signal Transduction and Targeted Therapy副主编。从事肺癌早诊早治关键技术及早诊早治临床与转化研究。率先提出超早期肺癌概念，建立了“确立高危、早期筛查、系统评估、精准诊断、规范治疗”的肺癌早诊早治体系。主持国家自然科学基金集成/重点/面上项目、国家科技部重大专项等课题，在Cell、Nature Medicine、Nature Biomedical Engineering等高水平期刊发表研究论文。研究成果以第一完成人获国家科技进步奖二等奖、四川省科技进步奖一等奖，个人获全国创新争先奖、何梁何利基金科学与技术进步奖、吴阶平-保罗·杨森医学药学奖。

本文由《呼吸界》编辑 冬雪凝 整理，感谢李为民教授的审阅修改！

* 文章仅供医疗卫生相关从业者阅读参考

本文完

责编：Jerry