肺结节CT影像AI辅助筛查：小样本与假阳性控制

医疗AI实验室近期围绕基层医院肺结节CT辅助筛查开展阶段性实验，重点解决标注数据稀缺与假阳性偏高等落地问题。团队采用自监督预训练加迁移学习路线，先在公开胸片与CT数据上预训练骨干网络，再以少量本院标注切片微调，降低对大规模标注的依赖；同时引入3D上下文特征与血管走向约束，抑制血管断面、纤维灶等易混淆结构的误报。
阶段性进展：

• 在约600例内部测试集上，模型对3mm以上结节的检出敏感度达92.4%，每例平均假阳性由初版5.8个降至1.9个；
• 引入半自动预标注与医生复核流程后，单例标注耗时下降约40%。

下一步，实验室将与合作医院开展回顾性多中心验证，评估不同设备与扫描参数下的泛化性，并探索结构化报告输出以辅助缩短阅片时间。团队强调，当前结果仍属实验阶段，模型仅作辅助提示，最终诊断由医生完成。