《Technologies》：Artificial Intelligence for Pulmonary Abnormality Detection in Chest X-Ray Imaging: A Detailed Review of Methods, Datasets and Future Directions
G. Parra-Cabrera,
J. J. Jiménez-Delgado and
F. D. Pérez-Cano
编辑推荐：
胸部X线（CXR）成像仍是评估肺部及心胸疾病应用最广泛的放射学模态，但其判读固有受限于组织重叠、细微影像学表现及显著的观察者间差异。人工智能（AI）的最新进展推动了自动化CXR分析的显著进步，其支撑条件包括大规模公共数据集、不断演进的标注策略及表达能力日益增强
胸部X线（CXR）成像仍是评估肺部及心胸疾病应用最广泛的放射学模态，但其判读固有受限于组织重叠、细微影像学表现及显著的观察者间差异。人工智能（AI）的最新进展推动了自动化CXR分析的显著进步，其支撑条件包括大规模公共数据集、不断演进的标注策略及表达能力日益增强的深度学习架构。本综述系统整合了肺异常检测的各类方法，涵盖卷积神经网络（CNN）、Transformer、多模态及视觉-语言模型（VLM）与自监督表征学习。研究人员批判性讨论了上述方法的优势、局限性，以及对标注噪声、领域偏移与捷径学习的易感性。同时，本文剖析了数据集特性、标注实践、鲁棒性挑战、可解释性方法及阻碍公平比较与临床转化的异质性评估协议。基于上述观察，综述明确了若干关键未来方向，包括基础模型、多模态融合、联邦学习与领域泛化训练、纵向建模、合成数据生成及标准化临床评估框架。通过整合方法与临床视角，本工作为研究人员与临床医师提供了最新参考，并为开发可靠、可解释且可临床部署的胸片AI系统绘制了路线图。
1. Introduction
胸部X线成像是全球应用最广泛的放射学检查，因成本低、便携性强、采集速度快且辐射暴露相对较低，成为评估肺部及心胸异常的首选诊断工具，在急诊科、初级保健、重症监护室及资源有限场景中不可或缺，常用于急性呼吸困难、疑似肺炎的持续发热、肿瘤分期肺转移评估及术前麻醉安全性筛查。然而，三维胸部解剖结构投影至二维图像导致的组织重叠，会掩盖细微征象、降低早期疾病检出率并引发显著的观察者间差异，诊断效能还受阅片者经验、图像质量、工作负荷及临床背景可及性等因素影响。在此背景下，AI成为自动化CXR判读的重要解决方案，近十年Vision Transformer（ViT）等多模态模型在多标签疾病分类、病灶定位、严重程度评分及分诊任务中表现优异，ChestX-ray14、CheXpert、MIMIC-CXR、VinDr-CXR及PadChest等大规模公共数据集的发布进一步推动了算法发展。现有模型可检测实变、间质混浊、肺不张、气胸、胸腔积液、水肿、心脏增大及结节等多种肺异常，视觉-语言模型（VLM）与自监督学习（SSL）策略通过减少对人工标注的依赖提升了泛化能力。但AI系统在真实临床工作流的整合仍受限：报告衍生标注固有的标注噪声、跨医院/扫描仪/患者群体的领域偏移、管路/器械/文本标记等混杂伪影引发的捷径学习、肺异常的细微性与临床背景依赖性，以及深度学习预测的可解释性不足均构成主要障碍。现有综述多孤立关注架构进展、数据集特征或临床部署，缺乏方法选择与数据因素如何共同影响鲁棒性、泛化性及临床可靠性的系统分析，本研究通过整合方法学、数据中心与临床视角，聚焦肺异常检测中数据集设计、标注策略、学习范式与评估实践的相互作用，为开发可临床落地的CXR-AI系统提供结构化路线图。
2. Materials and Methods
本研究采用结构化叙述性综述设计，参照PRISMA 2020指南提升研究筛选与报告的透明度，但未进行前瞻性方案注册或定量偏倚风险评分。检索数据库包括PubMed、Scopus与Web of Science，检索时限为2013年至2025年，检索词涵盖胸部X线与AI相关主题词及自由词，未设置语言限制。两名研究者独立筛选文献，初始检索获得PubMed 3454篇、Scopus 9728篇、Web of Science 6882篇记录，经去重后排除会议论文、书籍章节、荟萃分析等非原创研究，以及2013年前发表的动物实验与物理体模研究，最终纳入文献的研究间一致性为91%，分歧通过讨论或资深作者裁决解决。采用医学影像人工智能检查表（CLAIM）对纳入研究进行定性方法学评估，重点关注数据集特征、标注策略、模型架构、训练验证流程、性能报告与可复现性，不用于量化评分或排除研究，而是作为识别报告缺口与偏倚来源的框架。内容合成采用归纳主题分析法，将研究按数据集挑战、监督与标注策略、架构趋势、领域偏移鲁棒性及评估实践等主题分组，为后续分析提供基础。CLAIM评估显示，多数研究虽清晰描述模型架构并报告常规性能指标，但在数据来源、标注质量与外部验证方面的报告一致性不足：依赖报告衍生标签的研究较少详细描述标注不确定度，而专家标注数据集的研究则提供更透明的标注流程说明；多数研究采用单中心或数据集特定测试集划分，跨机构外部验证较为罕见，校准分析、不确定性估计与混杂因素评估的报道同样匮乏，这些发现为后续主题合成提供了方法学背景。
3. Clinical Background and Radiological Taxonomy
CXR的核心优势在于低成本、高可及性与低辐射，但二维投影导致的组织重叠会降低敏感性，加之观察者间差异与工作负荷压力，推动AI成为胸片判读的辅助工具。ChestX-ray14等公共数据集定义了实变、肺不张、胸腔积液、气胸、心脏增大、肺水肿与间质混浊等核心胸科征象，其影像学特征的清晰度直接影响AI模型的训练与评估：实变与肺不张均表现为密度增高影，前者无容积丢失，后者伴容积减小，视觉相似性导致诊断模糊性；胸腔积液呈特征性基底新月形影，是深度学习任务中性能最优的类别之一；气胸的胸膜腔积气征象在仰卧位摄片中更为隐匿，是自动分诊系统的重点检测目标；心脏增大的心胸比评估易受投照体位与几何参数影响；肺水肿的血管重新分布、Kerley B线及蝶翼状阴影等表现需结合临床背景判断，多模态模型可有效处理此类模糊性；间质病变因低对比度与解剖结构重叠导致高观察者间差异；肺结节与肿块的检测难度显著高于CT，骨抑制技术与解剖分割可提升检出率。此外，气管插管、中心静脉导管等医疗器械常与疾病严重度相关，易被模型作为捷径特征学习，损害跨场景泛化能力。上述征象在视觉模糊性、解剖变异与上下文依赖性上的差异，直接决定了模型对标注噪声的敏感性、监督需求与架构选择，凸显了整合空间关系、上下文信息与语义推理的必要性。
4. Datasets and Data Sources
公共数据集的涌现是CXR深度学习发展的核心驱动力，ChestX-ray14、CheXpert、MIMIC-CXR、PadChest与VinDr-CXR在患者群体、采集协议与标注策略上存在显著差异，直接影响算法性能与泛化性。早期ChestX-ray14采用基于放射报告的规则自然语言处理（NLP）自动提取标签，实现了大规模数据构建但引入显著标注噪声；CheXpert引入不确定性感知标注以应对报告模糊性；MIMIC-CXR配对图像与自由文本报告，支持多模态与自监督学习；PadChest提供专家验证的层级标注，侧重标签可靠性；VinDr-CXR进一步提供病灶级边界框，支持检测与定位任务。标注来源、粒度与不确定度处理的差异会导致模型过拟合数据集偏差而非病理特征，常见征象如胸腔积液因标签一致性与视觉特征明确而性能较高，罕见或主观征象如间质病变则挑战更大。当前数据集多聚焦于疾病分类基准测试，缺乏对纵向对比、跨病历上下文推理、结构化报告与分诊优先级等临床工作流任务的支持。本研究统一术语定义：有限标注数据为少于约5000张标注胸片，中等规模为5000-50000例，大规模为超过50000例；弱标注数据为源于放射报告的图像级标签，无像素级确认或多模态验证；局部上下文为局限于特定解剖区域的影像特征，全局上下文为需建模胸腔长程空间依赖的弥漫性、双侧或多区域模式。
5. AI Methods for Chest X-Ray Analysis
本节从监督水平、数据需求、领域偏移鲁棒性、可解释性与临床验证成熟度五个维度对比分析各类AI范式。卷积神经网络（CNN）是早期主流架构，ResNet、DenseNet等在常见征象检测中表现优异，CheXNeXt基于DenseNet-121达到接近放射科医师的性能，但全局池化操作限制了空间精度，易受混杂线索干扰。视觉Transformer（ViT）与Swin Transformer通过捕捉长程依赖提升了对间质病变等弥漫性模式的敏感性，但数据需求更高且对标注噪声更敏感。混合CNN-Transformer架构结合卷积的局部特征提取能力与Transformer的全局上下文建模优势，在数据效率与表征能力间取得平衡。架构选择需结合数据可用性、监督质量与临床场景：CNN适用于标注数据有限、需快速部署的场景；Transformer适用于大规模多机构数据训练与弥漫性病变检测；混合架构则在中等规模数据与空间异质性建模需求下更具优势。
自监督学习（SSL）通过对比学习框架从无标注胸片中学习不变表征，在低标注与噪声标签场景下显著提升下游任务性能与校准度，但增益受预训练目标、数据多样性与微调策略影响。半监督与弱监督方法结合少量专家标注与大量弱标注/无标注数据，可提升跨机构泛化性，是平衡监督学习与自监督学习的实用方案。学习范式选择应优先考虑标注可靠性与临床部署需求，而非单纯架构考量。
多模态学习框架利用图像-报告配对数据，视觉-语言模型（VLM）如BioViL、CheXzero通过对比学习实现无需显式标签的对齐表征，支持零样本推理与自由文本提示查询，可编码侧别、病程等报告隐含信息，但性能受报告质量、机构书写风格与语言偏差影响，且零样本评估协议尚未标准化，目前更适合作为表征学习与弱监督的基础技术而非独立诊断工具。
解剖结构定位研究从弱监督定位向显式分割发展：类激活图等弱监督方法可提供粗粒度定位，但空间精度不足；U-Net等分割模型通过肺野、纵隔与心脏轮廓分割减少背景噪声，提升多中心场景下的鲁棒性；Faster R-CNN、YOLO等目标检测框架可实现结节等病灶的精细定位，但受限于公共数据集的像素级标注稀缺性。图像级分类仍是当前主流，病灶级定位需依赖高质量标注数据的支持。
评估策略与临床转化面临多重挑战：领域偏移导致跨机构性能下降，风格增强、对抗特征对齐等方法未取得普适性效果；捷径学习使模型依赖医疗器械、文本标记等非病理线索，损害可靠性；Grad-CAM等事后可解释性方法存在归因图噪声与缺乏因果保证的局限；多数研究采用单中心内部验证，高估泛化性能，外部验证普及度不足；AUROC指标对类别不平衡不敏感，需结合AUPRC、校准误差（ECE）、决策曲线分析等指标全面评估；校准与不确定性估计、定位精度量化及临床终点评估（如分诊准确率、阅片时间缩短）的缺失，进一步阻碍了临床转化。建立标准化多中心评估协议，覆盖鲁棒性、校准度、可解释性与 workflow 影响，是实现CXR-AI临床落地的核心前提。
6. Discussion
方法学缺陷与临床需求的脱节是CXR-AI转化的核心障碍：报告衍生弱标签不仅引入噪声，更诱导捷径学习，加剧领域偏移敏感性，而现有评估体系过度依赖AUROC等聚合指标，忽视校准、外部验证与 workflow 影响，导致失败模式隐匿。Transformer等新型架构虽提升了表征能力，但在小样本或噪声数据集下可能放大标注偏差；自监督学习的临床价值取决于评估 rigor 与报告透明度。当前研究多聚焦放射科医师已擅长的病灶检测任务，未来应转向 workflow 优化，如临床背景检索、分诊组织、病史变化量化与结构化报告生成，尤其在资源匮乏地区更具价值。本综述采用叙述性设计，未进行前瞻性注册与定量偏倚评分，侧重方法学整合而非证据等级评估，未来需从单一基准驱动转向整体解决方案，结合鲁棒表征学习、混杂感知模型设计、注重泛化性的评估框架与 workflow 对齐的部署策略，推动CXR-AI从原型走向临床应用。
7. Conclusions and Future Work
AI已变革CXR分析领域，但标注噪声、领域偏移、捷径学习与评估碎片化仍限制其临床适用性。未来系统需从图像级分类器演进为集成临床决策支持工具，融合纵向影像、电子健康记录等多源数据，实现时空动态推理。视觉-语言模型通过语义理解与不确定性感知推理，将突破离散标签的局限；纵向建模通过整合序列影像与临床事件，提升慢性病监测与预后评估能力；领域泛化技术如域不变特征学习、测试时自适应将降低跨场景性能衰减；标准化前瞻性验证框架与PACS厂商、医疗机构的深度合作，是确保AI工具安全、可用、可持续的关键。跨学科协作是最终实现可靠、可解释、可临床部署的CXR-AI系统的核心保障。
