体检发现8到20毫米的肺结节，到底是良性炎性假瘤，还是早期肺癌？面对模棱两可的影像学结果，许多患者和家属陷入了两难：是立刻进行有创的穿刺活检，还是盲目等待结节增大？近年来，基因测序分类器与人工智能（AI）影像组学模型相继进入临床，究竟哪种方式能更精准地“排雷”？最新在美国支气管学与介入肺脏病学协会（AABIP）年会上公布的一项临床研究给出了关键答案：在偶发性不确定肺结节的恶性风险分层中，AI影像组学工具的准确性与筛查敏感度显著超越了基因测序。
中度风险肺结节的临床困境：切还是等？
偶发性肺结节在临床筛查中极为普遍。数据显示，仅在美国每年就发现约160万例偶发性肺结节，其中实际恶性率（确诊肺癌）仅在3%至5%之间。如何从海量结节中精准揪出那极少数早期恶性肿瘤，同时避免绝大多数良性病变患者承受不必要的穿刺痛苦与气胸风险，一直是胸外科与呼吸介入科的核心难题。
特别是直径在8至20毫米之间的肺结节，在使用传统的梅奥模型（Mayo Clinic model）、PET-CT或定期CT随访评估时，往往被归为“中度恶性风险”。由于缺乏决定性证据，患者往往在“过度诊疗（非必要活检）”与“漏诊延误病情”的钢丝绳上反复纠结。
临床数据正面对决：AI影像组学对比基因测序
为了探究前沿辅助手段的实际效能，维克森林大学医学院（Wake Forest University School of Medicine）的Christina Bellinger教授团队进行了一项对比研究。研究团队纳入了59例具有病理确诊结果及基因序列分类器（GSC）检测结果的偶发肺结节患者，并基于胸部高分辨率CT图像，运行了AI影像组学肺癌预测评分（Lung Cancer Prediction Score, LCP）。
评估结果显示，基于CT图像的AI模型在整体诊断准确率及识别恶性肿瘤的能力上，展现出大幅领先优势：
| 评估维度 | AI影像组学评分（LCP） | 基因序列分类器（GSC） |
|---|---|---|
| 受试者工作特征曲线下面积（AUC） | 0.82（诊断效能优良） | 0.59（诊断效能接近随机） |
| 肿瘤检出敏感度（Sensitivity） | 100%（23/23例恶性肿瘤全部识别） | 26.1%（仅识别6/23例，漏诊大半） |
| 阴性预测值（NPV） | 100%（评为低风险者绝无漏网） | 64.6% |
| 特异度（Specificity） | 38.9% | 86.1% |
| 阳性预测值（PPV） | 51.1% | 54.5% |
| 净重新分类改善度（NRI） | AI模型相比基因测序提升达 45.41% | |
从数据可以看出，AI模型在设定的风险截断值下，成功识别了全部23例病理确诊的恶性肺癌，其阴性预测值高达100%；而传统的基因分类器敏感度仅有26.1%，错失了绝大部分早期恶性病灶。
该如何理性看待AI与基因检测的临床角色？
虽然数据看起来AI取得了“压倒性胜利”，但呼吸与胸外科专家强调，患者和临床医生必须科学理解两者的定位差异，不可简单对立：
- AI影像组学：极其优秀的“排除诊断（Rule-out）”利器
AI模型的强项在于极高的敏感度和100%的阴性预测值。如果AI评估该结节为极低风险，患者可以获得极大的安全感，安心选择影像随访，从而免受盲目穿刺活检或外科切除的创伤与费用负担。但由于其特异度仅为38.9%，若AI提示高风险，并不意味着100%是癌，仍需综合多学科临床判断，避免过度切除。 - 基因序列分类器：高特异度的“确认性”参考
基因测序拥有更高的特异度（86.1%），但对低肿瘤负荷或取材有限的微小早期结节敏感度不足。它更适合在特定临床指征下作为辅助验证，而非一线排除工具。
坦普尔大学路易斯·卡茨医学院的Jamie Garfield教授指出，影像组学工具与分子生物学检测的设计初衷和应用场景不同，未来两者的有机结合，有望在不增加有创操作的前提下，构建多维度的早期肺癌精准诊断闭环。
直面结节不焦虑，前沿医学提供确切指引
发现肺结节并不等于宣判癌症，盲目恐慌与过度医疗同样有害。面对复杂的结节良恶性鉴别，患者应优先前往具备呼吸介入和胸外科多学科（MDT）会诊能力的中心，结合薄层CT、结节动态体积倍增时间（VDT）及前沿影像AI工具进行科学研判。
若高度怀疑恶性并确诊为早期或局部晚期肺癌，也切莫丧失信心。如今非小细胞肺癌的靶向治疗、免疫新辅助治疗已迎来爆发式进展，患者拥有前所未有的长期生存乃至临床治愈机会。如果您正面临肺结节性质未定、疑难病理难以解读，或是确诊后急需寻找海外获批靶向新药与前沿诊疗方案，MedFind始终与您同行。作为由患者家属发起的抗癌互助平台，MedFind依托专业的AI辅助问诊系统、前沿临床资讯库及成熟合规的抗癌药品跨境直邮服务，致力于打破地域与信息时差，陪伴每位患者在科学抗癌的道路上走得更稳、更有希望。
【参考文献】
Bellinger C, et al. Artificial Intelligence Outperforms Genomic Sequencing for Incidental Pulmonary Nodule Risk Stratification. Presented at the American Association for Bronchology and Interventional Pulmonology (AABIP) Annual Conference.
Gould MK, et al. Recent Trends in the Identification of Incidental Pulmonary Nodules. J Am Coll Radiol. 2020.
Sorenson J, et al. Impact of Artificial Intelligence-Based Risk Assessment on Indeterminate Pulmonary Nodule Management. Respirology. 2023.
