AI 看 CT 学会「先全局再细节」：肺结节判断更准了

肺癌是我国高发的恶性肿瘤，早期筛查能不能把肺结节的良恶性判断准，直接关系到后面怎么治。现实中，医生要一张一张读胸部 CT，既要看肺部整体结构，也要看结节周围的组织，最后盯住结节本身的细节，再结合经验下结论。这套流程耗时费力，还容易受疲劳和经验差异影响，出现漏诊、误诊。

AI 早就被用来辅助判断肺结节，但常见模型只看单一尺度的影像特征，相当于只盯局部，而且大多说不清自己为什么这么判断，属于「黑箱」。精度和可解释性都难满足临床要求。

中国科学院合肥物质院健康所 / 合肥肿瘤医院的研究团队换了个思路：让算法照着医生的读片顺序来。他们提出名为 M³Net 的「宏观—介观—微观」层级 3D 神经网络，为三种尺度分别构建输入：肺部全局结构、结节周边组织、结节微观细节。每类影像由专属编码器提特征，再通过隐空间投影和互信息最大化做跨尺度对齐，最后用层级交叉注意力机制，把「先全局、再局部、后细节」的流程串起来。

这样一来，模型既能看到分叶、毛刺、密度不均这类恶性细微特征，也能兼顾血管牵拉、肺组织形变等全局信息。团队在公开数据集 LIDC-IDRI 和临床数据集 USTC-FHLN 上做了对比实验，与 12 种流行算法相比，M³Net 在良恶性分类准确率等指标上都有提升，对边界模糊、特征不典型的疑难结节优势更明显，参数量和运算成本反而更低。

相关成果已发表在 Information Fusion 上。第一完成单位为中国科学院合肥物质院，合作方包括中国科学技术大学第一附属医院（安徽省立医院）、蚌埠医科大学、中国科学院半导体研究所、美国东北大学、新加坡南洋理工大学等。