你的肺结节,AI 说 99% 是良性的——你信吗?

如果你最近做过体检，拿到 CT 报告的那一刻，大概率会看到一行字：

"左/右肺 X 段见结节影，大小约 X mm，建议随访。"

别慌。根据慈铭体检 2025 年度蓝皮书数据——115.4 万人的样本——肺结节是全人群检出率第一的异常，69.9%。

也就是说，每 10 个做胸部 CT 的成年人里，7 个人有肺结节。你只是那 7 个之一。

但问题来了：这 7 个人里，到底谁是那 1 个真正需要担心的？

2026 年 4 月，北京协和医院在《自然·癌症》（影响因子 28.5）上发表了一个 AI 模型，说它能回答这个问题。

一个学了"两种思维"的 AI

这个模型叫 DeepFAN（深度特征聚合网络），由协和医院放射科金征宇、宋兰团队联合深睿医疗和香港大学俞益洲教授共同开发。

传统放射科医生看肺结节，靠的是"局部特征"——结节密度高不高？边缘有没有毛刺？有没有分叶？这些是教科书上教的，也是医生训练了十几年的看家本领。

DeepFAN 不一样。它同时用两种方式看片子：

第一种：全局视角。 用一个叫"视觉 Transformer"的模块，以 128×128×128 毫米的超大视野，把结节连同周围的血管、组织、胸膜一起看。就像一个经验丰富的老主任，不只是盯着结节本身，而是扫一眼整个肺部的"大环境"。

第二种：局部细节。 用一个 3D 残差网络，专门盯结节的微观特征——密度分布、边缘形态、内部结构。就像一个拿放大镜的年轻医生，每个细节都不放过。

最后，一个图卷积网络把这两种"看法"融合在一起，给出综合判断。

为什么要这么设计？因为研究发现，全局特征对判断良恶性的贡献更大——在模型的 12 个核心决策节点中，9 个依赖的是全局信息。

换句话说，看"大环境"比看"小细节"更能区分良恶性。这可能也是为什么人类医生的误诊率一直降不下来——他们太习惯盯着结节本身了。

最震撼的一个数据

DeepFAN 不是又一个"实验室里跑分很高"的 AI 模型。它做了一件更难的事：在真实临床环境里，通过了最严格的考试。

2024 年 9 月，DeepFAN 拿到了国家药监局（NMPA）三类医疗器械注册证——这是国内首张肺癌诊断领域的 NMPA 三类证。在此之前，它完成了一项多中心、多阅片者、多病例（MRMC）临床试验，覆盖了北京大学人民医院（三甲）、武汉第三医院（省会综合）、黄石市中心医院（地市级）三家不同层级的医疗机构。

400 名患者、463 枚经病理确诊的肺结节、12 名从业 1-5 年的低年资放射科医生。

结果是这样的：

翻译成人话：12 个年轻医生在没有 AI 帮忙时，看片准确率只有 66.7%——也就是大约每看 3 个结节，就判断错 1 个。 有了 AI 辅助，错误率直接砍掉将近一半。

更值得注意的是"一致性"。没有 AI 时，12 个医生对同一个结节的判断经常不一致——你觉得是良性，我觉得可能是恶性。这种不一致在基层医院尤其常见，也是患者被反复复查、反复焦虑的根源。AI 辅助后，医生之间的诊断一致性从"较差"提升到了"中等"。

还有一个数据更直接：AI 辅助下，假阳性率从 40% 降到 27%，假阴性率从 31% 降到 23%。 也就是说，43% 的"良性被误判为恶性"的错误被纠正了，41% 的"恶性被漏掉"的错误也被纠正了。

但真正让我觉得有意思的，是另一组数据。

硕士+AI > 博士无 AI

DeepFAN 的临床试验里藏着一个"学历对比"：不同学历背景的医生，使用 AI 前后的诊断能力差异明显。

结果发现：硕士、本科学历的医生，在 AI 辅助下，核心诊断指标超过了不使用 AI 的博士医生。

这意味着什么？

中国有大量基层医院、地市级医院，放射科医生的学历以硕士和本科为主。他们不是不努力，而是经验和培训资源确实不如三甲医院。DeepFAN 的临床价值，与其说是"替代专家"，不如说是把专家级的判断能力"分发"给了基层。

这也解释了为什么试验在三家不同层级的医院做——协和、北大人民医院代表顶级三甲，武汉第三医院代表省会综合医院，黄石中心医院代表地市级医院。三家医院的 AI 诊断 AUC 分别是 0.947、0.975、0.963——非常接近，说明模型在不同环境下表现稳定。

99.2%——这个数字意味着什么

DeepFAN 在美国国家肺癌筛查试验（NLST）数据集上做了外部验证。这个数据集包含 7934 名患者、17892 枚肺结节，良恶性比例 15.71:1——绝大多数是良性的。

结果：AUC 0.943，阴性预测值（NPV）0.992。

阴性预测值 0.992 是什么意思？

如果 AI 说"这个结节是良性的"，那么 99.2% 的概率它确实是良性的。

换句话说，AI 最擅长的事情不是"找癌"，而是"排除癌"。它告诉你"放心，这个不用管"的可信度极高。

这对普通人的实际意义是什么？

美国 NLST 研究显示，低剂量 CT 筛查发现的肺结节中，假阳性率高达 96.4%——也就是说，96% 被标记为"可疑"的结节，最终证明都是良性的。绝大多数人因为一个"可疑"的结论，经历了 3 个月、6 个月、12 个月的反复复查，做了不必要的穿刺甚至手术，白白承受了几个月的焦虑和辐射暴露。

如果 AI 能帮你在第一次就排除 99% 的"假警报"，那就意味着大量不必要的随访可以被省掉。

但 AI 不能告诉你的事

说了这么多好处，该泼冷水了。

第一，AI 不能替代医生的最终判断。 DeepFAN 的 AUC 是 0.954——非常优秀，但不是 1.0。它仍然会漏掉一些恶性结节，也会把一些良性结节误判为恶性。AI 是"第二意见"，不是"唯一意见"。

第二，AI 不解释"为什么"。 它告诉你"这个结节大概率是良性的"，但不会告诉你"因为它边缘光滑、密度均匀、没有血管穿行"。如果你想知道原因——而大多数人想知道——你仍然需要和医生对话。

第三，AI 的训练数据有局限。 DeepFAN 在 11438 枚病理确诊结节上训练，但这些数据主要来自中国的三甲医院。如果你在小城市做体检，你的 CT 设备型号、扫描参数可能和训练数据不一样。AI 的"经验"和它所"见过的"片子之间，存在差异。

第四，DeepFAN 目前只能做良恶性鉴别。 它不告诉你结节的具体病理类型（是腺癌还是鳞癌？是原位癌还是微浸润？），也不告诉你该不该手术、该不该穿刺。这些决策仍然需要胸外科、呼吸科、肿瘤科医生的综合判断。

普通人拿到肺结节报告后的行动清单

如果你拿到了体检报告，上面写着"肺结节"，以下是你可以做的 5 件事：

1. 先看大小。 小于 5 毫米的结节，恶性概率极低（<1%），通常不需要特殊处理，年度复查即可。5-8 毫米需要关注。大于 8 毫米需要认真对待。

2. 看描述关键词。 "磨玻璃结节""混合密度结节""有分叶""有毛刺""有胸膜牵拉"——这些词出现的越多，越需要找专科医生进一步评估。"实性结节""边缘光滑""钙化"——通常是良性信号。

3. 问医院有没有 AI 辅助诊断。 目前深睿医疗的 DeepFAN、联影智能的肺结节筛查系统、基准医疗的 PulmoSeek 等产品已经在部分医院部署。如果你的医院有 AI 辅助，可以要求医生结合 AI 结果给你解读。

4. 拿到原始 DICOM 数据。 做完 CT 后，要求医院提供 DICOM 格式的影像光盘或 U 盘。这是你的原始数据，如果后续需要去其他医院或找 AI 工具二次评估，这是必须的。

5. 别在百度上搜"肺结节"。 搜索结果前 10 条里有 8 条是广告。肺结节焦虑是一个巨大的商业市场——卖保健品的、卖检测服务的、卖保险的，都在利用你的恐惧做文章。你的结节大概率是良性的，但如果你需要进一步确认，去正规医院的呼吸科或胸外科，让医生结合影像和 AI 工具给你专业判断。

结语

AI 不是来抢放射科医生饭碗的。至少目前不是。

DeepFAN 这个研究最有价值的地方，不在于"AI 多厉害"，而在于它证明了一件事：AI 和人类医生的思维方式是互补的。 医生擅长看局部细节，AI 擅长看全局环境；医生能解释"为什么"，AI 能给出概率。两者结合，才是目前肺结节鉴别诊断的最优解。

对于普通人来说，这个消息的实际意义是：你的肺结节，大概率不是癌。如果你不放心，找一家有 AI 辅助诊断的医院，让医生和 AI 一起帮你看一遍。

如果 AI 说"没事"，你可以大概率放心。

如果 AI 说"需要关注"，别自己吓自己，去找专科医生。

就这么简单。

📎 信息来源：

• • Nature Cancer (IF 28.5), DOI: 10.1038/s43018-026-01147-w, 2026年4月22日
• • 北京协和医院官方新闻, 2026年7月20日
• • 深睿医疗技术详解, 2026年5月13日
• • 健康报, 2026年7月28日
• • 慈铭北京·2025年度健康体检大数据蓝皮书（115.4万人样本）

📝 作者说明： 本文所有硬数据（AUC、敏感度、特异度、NPV 等）均来自 Nature Cancer 原文和协和医院官方新闻稿，未做任何推测或外推。

关注公众号，获取更多 AI+ 健康科普。

文章编号#574

点击下方👇🏻关注，阅读更多原创文章