一项关于Lung-PNet的多中心外部验证研究：在胸部CT图像上将纯磨玻璃结节分类为侵袭性腺癌和非侵袭性亚型

本研究通过多中心回顾性分析验证了Lung-PNet人工智能模型在区分纯 ground-glass 肿瘤（pGGNs）中的侵袭性腺癌（IAC）与非侵袭性亚型（如AIS、MIA）时的可扩展性。模型在本地（AUC-ROC 0.801）和全国（AUC-ROC 0.832）队列中表现稳定，但存在显著的机构间差异（P<0.05）。高 NPV（0.930）支持其作为“排除工具”的临床价值，而PPV（0.424）较低提示需结合临床判断。关键影响因素包括pGGN类型、病灶体积、像素间距及医院差异。研究为AI整合放射科多学科决策提供了证据支持。

　　
### 多中心外部验证研究：Lung-PNet模型在纯磨玻璃结节（pGGNs）中的临床决策支持价值

#### 一、研究背景与核心问题
肺腺癌（IAC）作为肺癌的主要亚型，其早期诊断对改善患者预后至关重要。然而，纯磨玻璃结节（pGGNs）的生物学行为高度异质化，现有影像学评估方法存在主观性强、诊断标准不统一等问题。尽管深度学习模型（如Lung-PNet）在单中心研究中展现出潜力，其实际临床应用仍面临多中心验证不足、参数标准化缺失等挑战。本研究通过纳入7家不同医院的720例pGGNs病例，系统验证了Lung-PNet模型的跨机构适用性，并揭示了影响其性能的关键因素。

#### 二、研究设计与方法
1. **数据来源与样本量**
研究纳入2019年1月至2023年3月期间接受手术治疗的pGGNs病例，覆盖北京大学第一医院等7家三级医疗机构。最终纳入720例（IAC 143例，非-IAC 577例），其中本地医院（A-D）334例，全国性医院（E-G）386例。样本量超过现有同类研究，且首次在多中心场景下验证AI模型的泛化能力。

2. **影像学参数标准化**
纳入病例的CT扫描设备涵盖西门子、飞利浦、GE等6种品牌，扫描参数存在显著差异（如层厚0.625-2.000mm，像素间距0.634-0.805mm）。研究团队通过预训练模型（Lung-PNet）的自动分割功能，结合两位放射科专家的共识审核，确保了影像分析的标准化。

3. **病理学验证流程**
所有标本均由≥2名 thoracic病理学家独立复核，采用2021年WHO分类标准，最终病理分型包括AAH（3.5%）、AIS（42.2%）、MIA（34.4%）和IAC（19.9%）。特别值得注意的是，研究排除了间隔超过2周的病例，并严格筛选了5-30mm的结节范围，确保病理结果与影像学特征高度对应。

#### 三、模型性能评估
1. **核心评价指标**
- **AUC-ROC**：整体0.800（95%CI 0.760-0.839），本地组0.801，全国组0.832，组间差异无统计学显著性（P=0.438）。
- **NPV**：整体达0.930（95%CI 0.903-0.952），表明AI模型对非-IAC的排除能力极强。但PPV仅0.424，提示AI阳性结果仍需结合临床综合判断。

2. **临床决策支持价值**
通过决策曲线分析（DCA）发现，当AI预测概率阈值设为0.62时，模型在低风险组（0-0.4）的临床获益显著优于“ treat-all”策略（成本效益比1:100 vs 3:1），支持主动随访而非盲目手术。但高风险组（>0.6）的模型效能未达统计学标准，需谨慎解读。

3. **医院间性能差异**
模型AUC在7家医院波动于0.673-0.929，其中医院A（0.929）与医院B（0.716）差异显著（P=0.043）。进一步分析显示，高IAC检出率医院（如C医院45例IAC/251例总病例）的模型性能优于低检出率机构（如D医院仅4例IAC/20例总病例）。

#### 四、关键影响因素分析
1. **病理亚型与影像特征**
- IAC组与non-IAC组在最大直径（20.0 vs 13.0mm）、体积（1.07 vs 0.35cm3）等参数上存在显著差异（P<0.001）。
- 模型对非-IAC的识别主要依赖“无毛刺边缘”（正确识别率89.2%）和“无血管穿透”（正确识别率64.7%），但对非典型AAH的敏感度较低（仅17.3%）。

2. **影像设备与参数**
- **像素间距**：每增加1mm的间距，模型正确分类概率提升13.7%（P=0.005）。这可能因低分辨率导致特征丢失，需设备厂商协同优化。
- **重建算法**：B核（42.7%）和Br64f核（2.0%）的模型性能差异显著（P<0.001），高密度重建（如Br64f）可能更适合AI分割。

3. **医院特定因素**
研究发现，医院层面的随机效应解释了约23.5%的模型性能差异。例如，医院C（IAC占比22.4%）的模型AUC（0.834）显著高于医院B（IAC占比7.7%）的0.716（P=0.008）。这提示临床实践中需结合本地IAC发病率调整阈值。

#### 五、临床应用路径建议
1. **分级诊疗策略**
- **低风险组（AI评分<0.4）**：推荐6-12个月随访CT，结合Lung-RADS 2级分类（93.8%病例）。
- **高风险组（AI评分≥0.6）**：建议穿刺活检或PET-CT确认，优先考虑楔形切除（IAC占比38.8%）。
- **中风险组（0.4-0.6）**：需MDT多学科讨论，建议间隔3个月复查。

2. **影像参数优化建议**
- 标准化层厚≤1.25mm，像素间距≤0.7mm，以提升AI模型特征提取的可靠性。
- 对低分辨率设备（如像素间距>0.8mm），建议增加预重建（如迭代重建）以改善图像质量。

3. **医院协作机制**
- 建立区域性影像数据共享平台，针对不同设备参数进行模型微调（如医院G的像素间距0.742mm需针对性优化）。
- 对IAC检出率低于15%的医院（如D医院），需加强病理-影像勾稽训练。

#### 六、研究局限性及改进方向
1. **样本局限性**
- 33.3%病例来自单一医院（C医院），可能影响结果的外部代表性。
- 未纳入肺磨玻璃实变（part-solid）和实性结节，需后续扩展研究。

2. **模型性能短板**
- PPV仅42.4%，对高发的AIS（42.2%）和MIA（34.4%）分类存在漏诊。
- 模型对血管穿透征（TP 39.2%）的识别能力较弱，需结合多模态影像（如MIP图像）增强特征。

3. **临床转化挑战**
- AI模型与临床工作流的整合成本较高（如医院F的24例样本中需投入3.5小时/例的影像后处理时间）。
- 缺乏与指南推荐（如Fleischner Society的5年随访策略）的长期疗效数据。

#### 七、结论与意义
本研究首次在真实世界多中心场景下验证了Lung-PNet的可靠性，其高NPV（93%）支持作为“排除工具”降低手术率（本研究中非-IAC手术占比仅8.4%），而中高风险组的“置信区间”仍需临床确认。未来需开发“临床-影像-病理”一体化平台，将AI预测概率（0.62阈值）与患者年龄、吸烟史等协变量结合，建立动态决策支持系统。

该研究为AI影像辅助诊断提供了重要范式：模型需通过多中心验证（样本量>500例/中心）和参数标准化（如统一采用0.625mm层厚），同时建立“AI预警-临床决策-病理复核”的闭环流程，才能真正替代传统主观评估。