Nature Cancer：我国学者开发DeepFAN，提高医生诊断肺结节的准确率和一致性
撰文丨王聪
编辑丨王多鱼
排版丨水成文
计算机断层扫描（CT）的广泛应用，增加了肺结节的检出率，越来越多的人被查出肺结节，然而，区分这些是良性还是恶性，一直是医学界的一大难题。用于区分良性和恶性结节的 AI 方法，往往未能全面整合全局和局部特征，而且大多数此类方法尚未通过临床试验验证。
2026 年 4 月 22 日，香港大学俞益洲教授、北京大学人民医院洪楠教授、北京协和医院金征宇教授、宋兰医生及深睿医疗的研究人员合作，在 Nature Cancer 期刊发表了题为：DeepFAN, a transformer-based model for human–artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial 的研究论文。
该研究开发了一个基于 Transformer 的 AI 模型——DeepFAN，DeepFAN 在内部测试集上实现了 0.939 的 AUC 值，在涉及三个独立医疗机构 400 例病例的临床试验数据集上实现了 0.954 的 AUC 值。在临床试验验证中，DeepFAN 显著提高了 12 名初级放射科医生（1-5 年工作经验）的诊断 AUC 值，以及诊断准确率、敏感度和特异度。且将医生之间的诊断一致性从“一般”提升到“中等”。
这些结果表明，DeepFAN 能够有效辅助初级放射科医生，并有助于使诊断质量趋于一致，减少对肺部结节性质不明确患者的不必要的随访。
肺结节诊断的困境
肺癌是全世界范围内发病人数最高的癌症类型，也是癌症相关死亡的首要原因。CT 检查是肺癌筛查和诊断的主要手段，但随着检查量的激增，放射科医生的工作负荷大幅增加，每个病例的阅片时间有限，误诊风险也随之上升。
更棘手的是，不同医生之间的诊断一致性往往不高，这主要受经验差异的影响。传统的风险评估模型，在亚洲人群中的表现并不理想。虽然近年来 AI 模型在肺结节分类方面取得了进展，但大多数模型仅基于肺癌筛查人群的低剂量胸部 CT 扫描开发，未能充分代表实际临床中的非筛查 CT 扫描。
DeepFAN：全局与局部特征的完美融合
在这项最新研究中，研究团队开发了一个名为 DeepFAN 的创新 AI 模型，这个模型的核心突破在于它能够同时捕捉肺结节的全局特征和局部细节。
DeepFAN 采用了三重架构设计——
视觉 Transformer 模块：捕捉结节的全局上下文特征，包括周围肺组织纹理、血管连接等；
3D 残差网络：提取结节的精细局部特征，例如密度、毛刺征、分叶征等；
图卷积网络：将全局和局部特征融合，形成全面的结节表征。
DeepFAN 的神经网络架构
这种设计让 DeepFAN 能够“既见森林，又见树木”，从而实现对肺结节更全面的理解。
临床验证：数据说话
研究团队收集了来自中国 9 家医疗机构的 11438 个病理确认的肺结节，用于训练和验证 DeepFAN 模型。更令人信服的是，他们还在三家独立医疗机构进行了严格的多阅片者多病例临床试验，涉及 400 名患者的 463 个肺结节。
实验结果令人振奋：
DeepFAN 单独诊断的 AUC（曲线下面积）达到 0.954，敏感性 0.950，特异性 0.851；
在 12 位初级放射科医生（1-5 年工作经验）的协助测试中，DeepFAN 辅助使他们的平均诊断性能显著提升：AUC 提高 10.9%、准确率提高 10.0%、敏感性提高 7.6%、特异性提高 12.6%。
DeepFAN 以及有和无 DeepFAN 辅助的医生的七项性能指标的雷达图
特别值得注意的是，DeepFAN 辅助后，医生之间的诊断一致性从“一般”提升到“中等”水平。这意味着不同医院、不同医生的诊断结果更加统一，减少了因经验差异导致的诊断偏差。
此外，在 DeepFAN 辅助下，医生对良性结节的评分普遍降低（平均降低 0.65 分），对恶性结节的评分普遍提高（平均提高 0.25 分），各评分级别中正确分类的结节数量均有所增加。这意味着 DeepFAN 不仅提高了诊断准确性，还增强了医生的诊断信心。对于那些难以判断的结节，辅助效果尤为明显。在诊断难度高、中、低的结节中，DeepFAN 均能显著提升医生的诊断能力。
技术背后的科学原理
DeepFAN 的决策过程是透明可解释的。通过热图可视化技术，研究团队发现模型主要依赖全局特征，同时结合局部特征来做出判断。例如，对于错构瘤（良性），模型识别出其光滑边缘、实性密度和部分脂肪密度；对于浸润性腺癌（恶性），则识别出不规则形状、异质性密度、分叶和毛刺等特征。
模型分析还发现，DeepFAN 的恶性预测与结节直径较大、部分实性和磨玻璃密度、毛刺征和分叶征显著相关，这些发现与临床经验高度一致。
医疗实践的新篇章
这项研究的意义不仅在于技术突破，更在于其临床实用性。DeepFAN 已经获得中国国家药品监督管理局的批准，这意味着它已经具备了临床应用的条件。
对于医疗资源相对匮乏的地区，DeepFAN 可以作为一个有力的辅助工具，帮助初级医生做出更准确的诊断，减少不必要的随访和患者焦虑。对于大型医疗中心，它可以提高工作效率，让专家能够更专注于复杂病例。
随着人工智能（AI）技术的不断发展，人机协作的医疗模式正在成为现实。DeepFAN 的成功验证为 AI 在医学影像诊断领域的应用提供了有力证据。未来，类似的技术可能会扩展到其他类型的癌症筛查和诊断中，为更多患者带来福音。
论文链接：
https://www.nature.com/articles/s43018-026-01147-w
原标题：《Nature Cancer：我国学者开发DeepFAN，提高医生诊断肺结节的准确率和一致性》