Cell子刊：上海交大孙加源/熊红凯/戴文睿团队开发肺病诊断AI系统，准确率媲美专家

撰文丨王聪

编辑丨王多鱼

排版丨水成文

胸腔内淋巴结肿大（intrathoracic lymphadenopathy）是肺科医生经常面临的常见难题，表现为纵隔和肺门淋巴结的异常增大。胸腔内淋巴结肿大的最常见恶性病因是肺癌，肺癌是世界第一大癌症，也是癌症死亡的首要原因。据世界卫生组织国际癌症研究机构的数据，在 2022 年，全球估计新增肺癌病例约 250 万例，死亡约 180 万例。此外，其他恶性肿瘤和良性疾病（例如淋巴瘤、肺外肿瘤的胸腔内淋巴结转移、结节病、非特异性淋巴结炎、结核病等）也可能表现为胸腔内淋巴结肿大。对胸腔内淋巴结肿大的准确评估决定了疾病的诊断和分期，这对及时开展合理治疗至关重要。

2025 年 7 月 21 日，上海交通大学孙加源教授、熊红凯教授、戴文睿教授团队合作，在 Cell 子刊Cell Reports Medicine上发表了题为：Deep learning for detection and diagnosis of intrathoracic lymphadenopathy from endobronchial ultrasound multimodal videos: A multi-center study 的研究论文。

该研究开发了一个深度学习辅助诊断系统——AI-CEMA，可基于凸阵扫描超声支气管镜（CP-EBUS）多模态视频，实现对胸腔内淋巴结肿大和肺部病变的诊断，准确率媲美经验丰富的专家。

凸阵扫描超声支气管镜（CP-EBUS） 的超声图像特征是诊断胸腔内淋巴结肿大（intrathoracic lymphadenopathy）的重要依据。而传统 CP-EBUS 影像分析方法高度依赖医师经验。

为突破这一限制，该研究提出一种深度学习辅助诊断系统——AI-CEMA，可基于 CP-EBUS 多模态视频自动选择代表性图像、识别淋巴结，并区分良恶性淋巴结。AI-CEMA 首先使用单中心 1006 个淋巴结数据进行训练，并通过回顾性研究验证性能，随后在包含 267 个淋巴结的前瞻性多中心研究中得到进一步验证。

AI-CEMA 的曲线下面积（AUC）达 0.8490，与资深专家水平相当（AUC=0.7847）。此外，该系统成功迁移应用于肺部病变诊断任务，并取得了取得 0.8192 的优异 AUC 值。

该研究的亮点：

• AI-CEMA 能够实现对胸腔内淋巴结肿大的无创诊断；

• AI-CEMA 的诊断性能可与经验丰富的专家相媲美；

• AI-CEMA 在肺部病变的诊断方面也表现出色。

总的来说，AI-CEMA 系统通过提供自动化、无创且专家级的诊断，在胸腔内淋巴结肿大和肺部病变的临床诊断中展现了巨大潜力。

论文链接：

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00316-7