基于您提供的论文文档，以下是按要求逐题回答的内容： 中文标题：基于结构化印象与器官级范例合成的肺癌队列TNM可追溯全身三维18F-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描报告起草

《Research》：TNM-Accountable Whole-Body 3-Dimensional Fluorodeoxyglucose Positron Emission Tomography/Computed Tomography Report Drafting in Lung Cancer Cohorts via Structured Impressions and Organ-wise Exemplar Synthesis

　　

全身18F-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描（18F-FDG PET/CT）是肺癌分期（TNM staging）的核心手段，但报告起草仍耗时且易出错，单一误定位发现即可改变TNM分期及治疗决策。研究人员将PET/CT报告起草视为TNM可追溯的决策支持，并提出RIDE，一种两阶段双模态三维框架，将TNM关键锚定与叙述完成分离。第一阶段从配对的PET和CT体积生成面向TNM的结构化印象（structured impressions）；第二阶段执行分层器官级范例检索（hierarchical organ-wise exemplar retrieval），并提示大语言模型（Large Language Model, LLM）基于这些可检视工件合成完整的发现（Findings）与印象（Impression）。研究人员整理来自3家医院的1583例疑似或确诊肺癌的多中心全身FDG PET/CT队列，并在520例留出的测试集（包括来自2家独立机构的276例外部病例）上进行评估。RIDE实现了最强的整体起草性能与跨站点泛化能力，在外部集上将临床基础的胜任力指标提升+20.4，并在偏移下保持高临床医生评分（内部平均李克特4.00；外部4.17），同时在评估的基线中交付最佳的TNM分期性能。这些发现支持工作流分解的、TNM可追溯的PET/CT起草作为一种有前景的人类验证决策支持方法，前瞻性研究对于进一步表征其在真实世界临床工作流中的效用具有重要价值。

研究背景方面，全身¹⁸F-氟脱氧葡萄糖正电子发射断层扫描/计算机断层扫描（¹⁸F-FDG PET/CT）是肿瘤影像学基石，为诊断、分期及治疗反应评估提供整合的代谢与解剖证据，在肺癌诊疗中尤为关键，因TNM分期直接决定治疗策略与预后，但临床价值伴随操作负担，解读需穷尽容积图像导航、摄取模式与解剖 reconciling 及结构化文档记录，常含病变大小与最大标准化摄取值（maximum standardized uptake value, SUV_max）等定量描述符，使PET/CT报告成为人工智能辅助起草的理想目标，但前提是生成草稿具临床可追溯性且易验证而非仅流畅。现有放射学报告生成方法分为四类均存局限：端到端视觉语言模型（Vision-Language Models, VLMs）易产生幻觉或误定位，对PET/CT致命；结构或知识引导法中间表示通用非分期对齐，留TNM证据覆盖缺口；检索增强生成若整案检索可靠性受限，域不匹配注入错误分期线索；自然语言处理/大语言模型研究多从事后自由文本推断TNM，非基于图像证据的分期感知起草。新兴容积CT与早期三维PET/CT报告生成强调描述发现，未将TNM分期作为全身PET/CT决策支持的一级图像依据输出。为此研究人员开展本研究，提出RIDE框架，发表于《Research》，结论表明该两阶段框架改善报告质量、临床效用、分期准确性及跨站点稳健性，保留显式可检视中间输出供人类验证，支持工作流分解的PET/CT起草作为决策支持缩小效用差距，但本研究回顾性且仅限肺癌队列，需前瞻性研究确立真实世界效用与更广适用性。

关键技术方法方面，研究人员使用来自广东省人民医院（中心A，n=1307）、茂名市人民医院（中心B，n=152）、中山大学附属第五医院（中心C，n=124）的1583例多中心全身¹⁸F-FDG PET/CT报告队列（2022至2025年收集，均疑诊或确诊肺癌），以中心B、C共276例作外部测试。框架为两阶段：第一阶段用双通道三维卷积神经网络（3D Convolutional Neural Network, CNN）-Transformer编码器学习融合代谢-解剖表示并生成TNM导向结构化印象支架；第二阶段基于此支架驱动分层器官级范例检索自策展库，约束指令遵循大语言模型（采用Qwen2.5-7B-Instruct）合成发现与印象。评估指标含BLEU、METEOR、ROUGE-L、CIDEr等自然语言生成（Natural Language Generation, NLG）指标及临床报告胜任力矩阵（Clinical Report Competency Matrix, CRCM）含代谢检测得分（Metabolic Detection Score, MDS）、病变定位得分（Lesion Localization Score, LLS）、恶性分类得分（Malignancy Classification Score, MCS），并由两名资深核医学医师用5点李克特量表评分，辅以多大语言模型评判员。

研究结果部分保留小标题如下：

数据集概览与分布统计。研究人员组装配对多中心全身¹⁸F-FDG PET/CT报告队列共1583例，采用站点留出评估协议，中心B与C专用于外部测试无训练重叠。队列统计显示T分期分布平衡，约60%淋巴结受累（N+）及40%转移性疾病（M1），原发肿瘤叶位右上叶与左上叶占约51.8%，原发病变大小多分布于1至2及3至5厘米（29%与23%），SUV_max集中于5至10及10至20（34%与30%），促使设计在阶段I印象显式编码TNM相关结构与定量线索并在下游起草强制器官级覆盖。

评估指标与评分协议。研究人员采用双指标法联合评估语言保真度与临床准确性，引入CRCM三单元得分评估TNM相关临床正确性，两名资深核医学医师独立用5点李克特量表在准确性（TNM驱动占60%，允许≤1 T亚分期差及≤1 N水平差且M0/M1须匹配）与完整性（21解剖区覆盖）评分，准确性附加21区事实正确性（40%）。辅以异质大语言模型评判员（Claude-haiku-4-5、Gemini-3-pro-preview、GPT-o4-mini-2025-04-16、Deepseek-reasoner）用标准化提示管道评分聚合减单一依赖，用Spearman ρ与自助置信区间量化关联及平均绝对误差与偏差表征对齐与严格度。

基线。研究人员对比强VLM基线包括MedGemma、RadFM-3D、Qwen2.5-VL-7B、LLaVA-Med、Med3DVLM，二维VLM基线输入标准化为10关键冠状切片，所有方法同报告目标同评估管线。

PET/CT起草性能与外部稳健性。在留出多中心测试集（n=520，含276外部）RIDE获最强整体报告起草性能，常规表面形NLG指标一致改善，增益随BLEU阶数增而在BLEU-4达峰（0.173对最佳先验基线Qwen3-VL的0.148，相对~17%），CRCM三轴内外队列均最佳（内93.7/95.1/85.0，外90.2/91.4/81.8 MDS/LLS/MCS），外部偏移下平均领先扩至+20.4点，LLS增益最著（外+20.6点），MCS亦高（外+18.0点）。临床读者研究医师评内准确度/完整性4.13/3.86（均4.00），外4.25/4.09（均4.17），四大语言模型评判员一致排第一（内均+0.76，外+0.70）。

TNM分期性能与跨站点稳健性。RIDE在内外部测试集T/N/M分期准确率最高（内85.14/69.62/77.83，外83.29/64.61/76.28），较最强基线MedGemma-4B分期平均准提升+24.5内与+20.4外点，N分期最难但RIDE达内69.62与外64.61显著优于基线，M分期反映全身转移监视挑战，残存M0→M1假阳性（20.4%）多因严重肉芽肿病如活动性肺结核模拟转移。跨站点鲁棒性好，内至外准确率降仅微（T-1.85，N-5.01，M-1.55）。

消融研究：容积预算与器官级检索。固定RIDE架构变输入密度显示增容积覆盖改善性能尤T与N分期，M分期相对稳定；全容积（100%）达最佳CRCM 81.8与TNM准。同阶段I锚定下比整案检索与器官级检索：整案检索致性能降（TNM 67.9/55.8/67.0对锚定仅81.8/68.2/74.5，CRCM 83.30对87.70），器官级检索最优（83.2/69.0/75.8 TNM，91.27 CRCM，3.89 GPT分），证器官级分区减语义稀释与跨器官干扰使检索净益。

多中心专家与大语言模型评判：评分构成与校准。人类医师评所有RIDE案呈右偏，47%落4至5带，仅25%需<3级关键编辑；大语言模型评判虽严仍保同趋势，高带占比34%至42%低带15%至22%，基线VLM多低带（~42%至61% <3，仅~7%至16% 4至5）。中心分层评分分布示内外中心重叠高无系统降级，大语言模型评判呈预期严偏但跨中心一致，稳因分期优先双通生成锚TNM关键证据减中心风格敏感。

快速印象质量：TNM锚定与表示结构。阶段I表示冻结特征上线性探针在T/N/M终点获良判别（AUC高过主流VLM），示融合代谢-解剖表示已编码TNM关键信息可解码作可靠分期锚定。t-SNE可视化嵌入显强按解剖位置（原发叶）聚类，形态与FDG摄取水平部分对齐非严分区，匹配PET/CT解读先验：解剖主导空间支架，形态与摄取沿软上下文边界精炼恶性与分期证据，机制为解剖锚定且代谢信息表示适TNM锚定与后续起草。

审慎合成实践：可追溯性与案例研究。阶段I产结构化印象枚举分期相关锚（原发病变属性、TNM关键证据单元）与简模板结论，阶段II锚定条件分层器官级检索路由策展库返范例片段（器官特异且关预测证据单元），大语言模型合约束成器官结构发现与TNM聚焦印象，最终报告TNM相关跨度高亮溯源（红：原发瘤；青：淋巴结/转移；灰：远处转移；黄：T/N/M分期），使审阅者速溯每高 stake 陈述至阶段I锚与检索证据。案例示成功能TNM一致定位原发灶，败常涉细微稀疏转移证据遗漏，两阶段助靶向误归因至锚错、检索不足或合成不一致。

定量失败分析与错误归因。全RIDE（PET+CT）误负担最低（173例≥1误单元，412总误单元），PET-only增假阳性（总误685，假阳42.5%），CT-only增遗漏（总误734，遗漏51.8%）。412残误单元多标签阶段归因：遗漏频涉锚与检索覆盖，误定位主关锚阶段错，假阳性多联合成，误分级常涉检索/合成界面，残误异质非单瓶颈。

TNM关键胸部锚定的模态特定证据。模态消融显宏AUPRC（area under the precision–recall curve）：SUV相关目标表现PET驱动，去PET降 nodal 站与肺/胸膜区，加CT仅微益；大小相关目标补赖CT解剖，去CT在纵隔与肺门淋巴结 basin 效显（小目标、血管/气道邻与部分容积效使PET范围不可靠代短轴大小）。混淆矩阵示PET-only多生理摄取与溢入致伪阳，CT-only多漏代谢活跃病；PET+CT减此类模态特定失效模促代谢-解剖一致性，产更可靠TNM锚。

假阳性与假阴性分析在TNM分期。PET-only假阳率高（T分期升级21.4%，N 45.2%，M 42.5%），CT-only假阴率高（T降期30.7%，N 41.2%，M 48.5%）；全RIDE（PET+CT）平衡误廓：T升假阳5.4%，N假阳24.0%，M假阳20.4%，T降假阴10.7%，N假阴11.0%，M假阴30.4%。T残误聚邻序边界非大跨跳，M残假阳多严重肉芽肿病如活动性肺结核，属无创影像物理诊断限非系统模败。

讨论总结翻译结论部分：本研究提出RIDE，一种用于肺癌队列全身三维FDG PET/CT报告起草的TNM可追溯两阶段框架。通过将TNM导向结构化印象与分层器官级范例合成分离，RIDE改善了报告起草质量、临床效用、分期准确性及跨站点稳健性，同时保留显式可检视中间输出供人类验证。这些发现表明工作流分解的PET/CT起草可作为一种实用决策支持形式，有助于缩小流畅报告生成与临床可追溯TNM相关结论间的效用差距。据研究所知，此工作是首个将显式TNM分期作为一级图像依据输出的全身三维FDG PET/CT起草框架。尽管如此，由于当前评估为回顾性且限于肺癌队列，仍需前瞻性多读者研究及其他恶性肿瘤专门验证以确立真实世界临床效用、工作流集成与更广泛泛化性。