肺结节CT影像AI辅助筛查：小样本标注与假阳性控制

医疗AI实验室近期围绕基层医院肺结节CT辅助筛查开展实验性探索，重点解决标注数据稀缺与假阳性偏多两类落地问题。方法上采用半监督预训练结合迁移学习，以公开胸片数据预训练、院内脱敏CT微调构建两阶段管线，并针对薄层与低剂量扫描的域差异引入风格对齐处理，降低设备差异导致的漏检。阶段性结果：1. 在约1200例院内回顾性脱敏数据上，结节检出敏感度约92%，每例假阳性标记由平均5.8个降至2.3个；2. 3mm以下微小结节召回率提升约11%，但边界模糊的磨玻璃结节仍存在漏检，需持续优化特征表达。下一步计划与两家基层医院开展前瞻性对照读片试验，评估AI预标注对放射科医生阅片效率与诊断一致性的影响，并同步完善数据脱敏与模型审计流程，确保符合医疗数据合规要求。实验数据与方法细节将在实验室页面持续更新。