01

肺癌是全球范围内癌症相关死亡的主要原因之一，早期发现和准确管理肺结节对于降低肺癌死亡率具有关键意义。随着低剂量计算机断层扫描（LDCT）的广泛应用，肺结节的检测率不断提高，但约95%的结节为良性，如何精准管理这些结节以避免过度诊疗成为一个重要问题。

近日，四川大学附属华西医院李为民、王成弟团队与上海科技大学生物医学工程学院沈定刚团队合作，在《自然·医学》期刊上发表了一项重要研究成果，基于5万多名中国人的数据开发了一个多阶段的肺结节风险分层系统——C-Lung-RADS。

现有的肺结节管理指南主要根据结节的密度和大小进行分类，如美国放射学院（ACR）发布的Lung-RADS系统建议将6mm以下的实性结节和30mm以下的纯磨玻璃结节视为良性。然而，这些系统在中国人群中的适用性并不理想，且手动评估耗时费力。因此，开发一个更适合中国人群的肺结节风险分层系统显得尤为重要。

02

研究团队从四川大学华西医院健康管理中心的体检人群中招募了45,064名参与者，使用他们的胸部CT影像数据作为训练和内部测试集。独立测试集来自2019年至2022年间在中国西部多个社区通过移动CT筛查的14,437名参与者。

利用决策树模型，结合结节的大小和密度对其进行初步风险分层，将肺结节分为低风险、中风险、高风险和极高风险四个类别。直径＜6mm为低风险，6-10mm为中风险，10-18mm为高风险，≥18mm为极高风险。

进一步结合CT影像、患者的临床信息和随访数据，通过深度学习模型对非低风险结节进行更细化的风险评估。此阶段不仅依赖于影像数据，还整合了患者的年龄、吸烟状况、癌症病史等临床因素，以及结节在随访中的变化情况（如结节体积倍增时间），从而生成一个多维风险预测模型，最终得出结节的具体风险水平。

在独立数据集中，C-Lung-RADS的第一阶段AUC值为0.912，而Lung-RADS v2022为0.820。第二阶段的多维模型将灵敏度从64.3%提高到85.6%，AUC值达到0.927。

在内部测试数据集中，C-Lung-RADS检测到高风险结节的比例为2.9%，极高风险结节的比例为19.3%，均高于Lung-RADS v2022的1.4%和13.6%。C-Lung-RADS的敏感性达到79.9%，明显优于Lung-RADS v2022的60.3%；但假阳性率略高，为8.2%（相比Lung-RADS v2022的5.1%）。

03

这项研究开发的C-Lung-RADS系统在检测恶性结节方面表现出更高的准确性和广泛的中国人群适用性。尽管C-Lung-RADS的假阳性率稍高，但其在减少不必要的侵入性手术和检查方面具有显著优势，有助于优化医疗资源的分配，并有望进一步提高中国及其他资源匮乏地区的肺癌早期诊断率。

参考

Wang, Chengdi, et al. "Data-driven risk stratification and precision management of pulmonary nodules detected on chest computed tomography." Nature Medicine (2024): 1-12.