肺癌早期筛查中，低剂量CT、肿瘤标志物检测与AI影像技术构成“三驾马车”，三者通过技术互补与数据融合，形成从形态学到分子生物学、从影像识别到风险评估的全方位筛查体系，显著提升早期肺癌检出率并降低漏诊风险。以下是具体协同机制与优势分析：
一、低剂量CT：肺癌筛查的“金标准”
1. 技术原理
低剂量CT通过降低电压或电流参数，将辐射剂量降至常规CT的1/5-1/10，同时保持对肺部微小病灶的高分辨率检测能力。其优势在于：
o 高敏感性：可发现直径≤3mm的肺结节，对早期原位癌或微浸润癌的检出率达80%以上；
o 形态学依据：通过结节大小、密度、边缘特征（如毛刺、分叶）等，初步判断良恶性风险；
o 临床验证：美国NLST试验证实，低剂量CT筛查可使肺癌死亡率降低20%。
2. 局限性
o 假阳性率高：约20%-30%的筛查者需进一步检查，可能引发过度诊疗；
o 图像质量依赖：在肥胖患者或肺部炎症背景下，微小结节可能被漏诊；
o 辐射累积风险：虽剂量低，但长期频繁筛查仍需权衡利弊。
二、肿瘤标志物检测：分子生物学的“预警信号”
1. 常用标志物及意义
2. 协同作用
o 风险分层：标志物异常升高可提示高风险人群，指导低剂量CT筛查的优先级；
o 动态监测：治疗期间标志物水平变化可反映肿瘤进展或复发，辅助调整筛查频率；
o 假阳性修正：对CT发现的可疑结节，标志物联合检测可降低不必要的活检或手术。
三、AI影像技术：智能诊断的“精准加速器”
技术优势
o 高效筛查：3秒内完成单张CT影像分析，效率是人工的100倍以上；
o 精准检测：通过深度学习训练千万级影像数据，可识别直径<3mm的微小结节，漏诊率降至5%以下；
o 风险评估：自动生成结节良恶性预测（如Lung-RADS分类），并提示随访建议；
o 资源下沉：基层医院可通过云端AI平台获得三甲医院级诊断能力，缩小城乡医疗差距。
四、“三驾马车”的协同诊断模式
1. 初筛阶段
o 高危人群定义：55-74岁、吸烟≥30包年（或戒烟<15年）、有肺癌家族史或职业暴露史者；
o 联合策略：每年1次低剂量CT筛查，同步检测肿瘤标志物（如CEA、CYFRA21-1），AI辅助分析CT影像并生成风险报告。
2. 随访阶段
o 结节分类管理：
§ 低风险结节（直径<5mm、边缘光滑）：AI建议年度随访，标志物正常者延长筛查间隔；
§ 中风险结节（5-8mm、部分实性）：AI提示3-6个月复查，标志物异常升高者缩短随访周期；
§ 高风险结节（直径>8mm、毛刺征）：AI推荐多学科会诊（MDT），结合PET-CT或穿刺活检确诊。
3. 治疗阶段
o 手术决策：AI通过三维重建技术评估肿瘤位置与血管关系，辅助制定微创手术方案；
o 疗效监测：标志物动态变化结合AI影像对比，及时调整治疗方案。
五、未来展望：从“协同”到“融合”
随着多模态AI技术的发展，未来低剂量CT、肿瘤标志物与AI影像将实现更深度的数据融合：
· 影像组学：提取CT影像中的纹理、形状等特征，与标志物基因表达数据结合，构建肺癌预测模型；
· 液体活检：通过血液检测循环肿瘤DNA（ctDNA），与AI影像联合分析，实现无创动态监测；
· 智能随访系统：AI自动匹配患者历史影像与标志物数据，生成个性化随访方案，减少人为疏漏。
(姜敏捷 河北燕达医院 呼吸与危重症医学科)
