在建模良性和恶性肺结节的风险方面取得了进展
Shang Du1,2, Tangwei Wu2, Hui Wang2
1School of Laboratory Medicine, Hubei University of Chinese Medicine, Wuhan, China.
Frontiers in oncology
|November 10, 2025
概括
对肺结节的预测模型可以改善早期肺癌检测. 整合临床,成像,生物标志物和人工智能 (AI) 数据为准确诊断提供了最有前途的方法.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 生物标志物 生物标志物
背景情况:
- 肺结节是早期发现肺癌的关键指标.
- 区分良性和恶性肺结节是一个重大的临床挑战.
研究的目的:
- 审查肺结节风险评估预测模型的进展.
- 突出多式联运数据集成的潜力,以提高诊断准确度.
主要方法:
- 复习经典的临床成像模型.
- 基于生物标志物的方法的评估.
- 对人工智能 (AI) 驱动的工具进行肺结节分析的分析.
主要成果:
- 经典模型提供了基线,但具有可变的性能.
- 生物标志物和人工智能模型通过分析微妙特征来提高精度.
- 多模式整合显示了实现曲线下的面积 (AUC) >0.90.的潜力.
结论:
- 临床,成像,生物标志物和人工智能数据的多式集成是最有前途的方向.
- 未来的工作需要多中心验证,标准化测试和安全的AI系统.
- 这些进展旨在使临床实践中的个性化和早期肺癌诊断成为可能.
