斯坦福大学医学中心近日宣布，其研发的新型人工智能诊断系统在癌症早期筛查领域取得突破性进展。该系统采用创新的多模态融合算法，能够同时处理CT扫描、正电子发射断层成像（PET）和液体活检数据，通过深度学习模型识别传统影像学检查难以察觉的早期病变特征。
研究团队在《自然·医学》期刊发表的临床试验报告显示，在包含12,843例样本的多中心研究中，该AI系统对Ⅰ期非小细胞肺癌的检出率达到98.7%，假阳性率仅为1.2%，显著优于放射科医生单独阅片的84.3%检出率。系统核心的三维卷积神经网络能够分析0.3毫米级别的微小结节，并通过时序数据分析追踪病灶的形态学演变特征。
"这项技术的关键突破在于建立了影像组学与分子标志物的跨模态关联模型，"项目首席科学家艾米丽·卡特博士解释道，"当系统检测到肺部存在可疑微结节时，会自动调取对应的循环肿瘤DNA数据进行交叉验证，这种多维度验证机制大幅降低了误诊风险。"
该算法已获得美国食品药品监督管理局（FDA）的突破性设备认定，目前正在梅奥诊所等12家医疗机构进行III期临床验证。研究团队透露，系统将在完成5,000例前瞻性验证后提交正式审批申请，预计2026年第三季度可投入临床使用。值得注意的是，该AI系统特别针对亚裔女性非吸烟人群的肺癌特征进行了优化，这部分人群的早期症状往往更为隐匿。
行业专家指出，此项技术可能重塑癌症筛查流程，但同时也面临数据隐私保护和医疗责任界定等挑战。美国放射学会已成立专项工作组，着手制定AI辅助诊断的操作规范和质量控制标准。
【全文结束】
