NPJ Digital Medicine多模态深度学习助力肺腺癌谱系结节术前浸润分层

2026年9月16日获悉，中国科学院深圳先进技术研究院生物医学与健康工程研究所、医学成像科学与技术系统全国重点实验室张娜研究员等，联合中国医学科学院肿瘤医院深圳医院、东莞市人民医院、北京大学深圳医院等单位，开发并完成外部验证了一种融合三维CT图像与结构化影像语义特征的多模态深度学习模型，实现了对肺腺癌谱系结节的术前三分类。研究成果以"Multimodal deep learning for preoperative invasiveness stratification of lung adenocarcinoma spectrum nodules"为题，发表在国际数字医学领域学术期刊NPJ Digital Medicine上。研究团队纳入了来自3家医学中心的2726名患者和3069个经术后病理证实的肺腺癌谱系结节。该模型以标准化三维CT结节图像和结构化影像语义特征作为双模态输入：图像分支用于学习结节内部及周围的空间信息，语义特征分支则编码密度类型以及分叶、毛刺、空气支气管征、胸膜牵拉、血管集束等临床常用影像征象。模型进一步通过双向跨模态注意力和门控融合机制实现图像信息与语义信息的交互，并结合结节长径和实性成分比例对预测概率进行校准，从而形成兼顾影像表征能力和临床可解释性的术前分层结果。该研究将放射科医师日常使用的可解释影像征象与三维CT深度表征进行融合，为肺腺癌谱系结节的术前浸润风险评估提供了新的技术路径。研究结果表明，该模型的影像特征能与CT图像形成互补，可为放射科医师提供结节完成识别和定位后的临床决策支持。