科研人员实现早期肺癌淋巴结转移精准无创诊
肺癌是世界范围内致死率最高的癌症，目前临床早期肺癌患者的首选治疗方案是肺叶切除联合系统性淋巴结清扫，但对于没有淋巴结转移的早期肺癌患者，淋巴结清扫将增加癌症复发和术后并发症的风险，甚至将导致淋巴水肿、神经损伤、气胸等并发症。因此，术前准确预测淋巴结转移情况将有效避免不必要的淋巴结清扫手术，降低复发及并发症发生风险，提升患者生存质量。
目前术前预测早期肺癌淋巴结转移状态主要依赖医生基于CT影像经验判断，这种方法主观、耗时且准确率不高（平均准确率为0.7左右）。团队前期开发了一种用于提升早期肺癌淋巴结转移诊断精度的跨模态信息融合的神经网络架构，该方法虽然摒弃了影像组学对病灶人工圈定的依赖，但仍需临床医生人工注释病灶征象：如毛刺、分叶、胸膜凹陷、原发灶密度等信息，模型智能化程度不足，临床应用受限。此外，现阶段人工智能技术在医学影像智能诊断方面的可解释性较差，这又降低了临床医生对智能辅助诊断的置信程度。
针对以上难题，中国科学院苏州生物医学工程技术研究所研究员高欣团队基于前期研究基础，针对肺癌淋巴结转移预测问题，创新性提出一种适用于医学影像的多尺度、多任务、多标签分类的神经网络模型（Multi-scale,multi-task,andmulti-labelclassificationnetwork,3M-CN），模型架构以3DDenseNet为模型主干，提取肺结节CT三维特征，借助多尺度特征融合模块，深度融合肺结节图像不同层级特征，并利用多任务分割模块引导模型
