ScienceAI
第一时间掌握新鲜的 AI for Science 资讯
作者丨论文团队
编辑丨ScienceAI
近期，香港大学、北京协和医院、北京大学人民医院等机构联合在《Nature Cancer》发表研究成果。团队提出 DeepFAN 模型，并通过多中心、多阅片者、多病例（MRMC）配对试验，评估了 AI 对低年资放射科医师判断肺结节良恶性的辅助价值。该模型（DeepFAN v1.0）已获国家药监局三类医疗器械认证。
论文题目：DeepFAN, a transformer-based model for human–artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial
论文链接：https://www.nature.com/articles/s43018-026-01147-w
arXiv版链接：https://arxiv.org/abs/2603.25607
代码链接：https://github.com/zhjtwx/DeepFAN
从局部征象走向全局：局部联合建模
DeepFAN 采用 Transformer 理解整体上下文，3D 卷积网络刻画结节细节，图卷积网络建立多类特征关联，旨在解决传统 CNN 难以系统利用结节与周围组织整体关系的问题。
全局建模：建立分散影像线索联系
模型以目标结节为中心，将三维 CT 区域划分为图像块并转化为 token 序列。通过自注意力机制学习不同区域关联，使相隔较远的影像线索共同参与表征，既形成汇总性全局特征，也保留区域特征供后续融合。
局部建模：细粒度学习影像属性
并行使用 3D ResNet 提取立体形态与纹理，分别学习分叶、毛刺和密度类型。利用注意机制与双线性注意池化将空间特征汇聚为属性相关表征，提供与放射科判读语言相衔接的监督信号。
反事实注意：强化属性判别贡献
通过对比学得注意图与随机注意图分支的信息差异，强化与属性判别有关的注意信息。该方法发生在特征和注意层面，无需修改原始 CT 图像。
图关联融合：全局与局部特征交互
将全局特征和局部属性特征作为图节点，利用残差图卷积逐步更新关系权重并形成联合表征，输出恶性概率。这使得毛刺、分叶等属性能与整体影像共同参与判别。
图 1 DeepFAN 技术架构与验证队列：ViT 负责全局上下文，3D ResNet 提取局部影像征象，GCN 完成特征关联建模与融合。
可解释性发现：特征贡献分析显示，全局信息的贡献高于局部信息，提示良恶性评估应结合结节整体形态、空间分布及周围环境。
三层证据链：内部测试、外部泛化与 MRMC 临床试验
研究设计涵盖不同人群、中心及真实阅片行为比较。开发队列来自中国 7 省 9 家医院的 8,172 名患者（11,438 个结节）；外部测试使用 NLST 的 7,934 名受试者（17,892 个结节）。MRMC 试验纳入 3 个中心的 400 名患者，由 12 名低年资放射科医师在无 AI 与 AI 辅助条件下交叉完成两轮阅片。
图 2 多中心 MRMC 临床试验流程：12 名低年资放射科医师在两轮阅片中交叉接受或不接受 AI 辅助，两轮间设置 4 周洗脱期。
AI 辅助后，准确性与一致性同步提升
DeepFAN 独立评估 AUC 为 0.954，敏感度 0.950，特异度 0.851。人机协作带来显著临床增益：12 名阅片者的平均 AUC、准确率、敏感度和特异度分别提高 10.9、10.0、7.6 和 12.6 个百分点（P<0.001）。
以上为 12 名阅片者的平均结果；四项提升均达到统计学显著性。
图 3 多中心临床试验 ROC 结果：每支箭头从无 AI 判读位置指向 AI 辅助位置，整体指向更高敏感度和更低假阳性率。
特异度提升幅度最大，有助于减少良性结节的误判。结节层面阅片者间一致性 κ 值由 0.313 升至 0.421；患者层面平均 AUC 由 0.733 升至 0.840，准确率由 0.665 升至 0.770。
人机协作的价值：转化为更稳的临床判断
第二读者，而非替代者
DeepFAN 提供分类及概率信息，最终判断由医师完成。其作用是将稳定、量化的补充证据引入决策链，降低经验差异造成的波动。
分层分析与临床落地启示
AI 对中等难度结节辅助增益最明显（AUC 由 0.447 提升至 0.642）；对高难度结节提升有限，提示复杂病例需更多解释信息。研究发现，AI 辅助收益与 AI 自身准确性、结节难度及医师背景密切相关。临床落地需配套结果呈现、培训机制及质量监测，而不仅是部署模型。
人工智能 × [ 生物 神经科学 数学 物理 化学 材料 ]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展。
欢迎关注标星，并点击右下角点赞和在看。