深先进院 / `Research`：可问责 `TNM` 两阶段 AI 把肺癌全身 `PET/CT` 报告生成推进到多中心临床核验
学术圈重大事件 · 发布 2026-07-08T08:36:46+08:00 · 更新 2026-07-08T14:37:12+08:00
中国科学院 `2026-07-07` 官方稿与 `Research` 论文显示，`RIDE` 两阶段框架把肺癌全身 `PET/CT` 报告生成拆成结构化 `TNM` 印象与受证据约束的文本合成，在 `3` 家医院 `1583` 例多中心数据上取得最优整体性能，`BLEU-4` 提升约 `17%`。它的重要性，在于把医学影像报告 AI 从“能写像样文本”推进到“高风险分期结论可回溯核验”的临床支持形态。
据 2026-07-07 的中国科学院官方科研进展稿与 Research 论文 DOI 页面，深圳先进技术研究院联合广东省人民医院、哈尔滨工程大学团队提出了面向肺癌的两阶段、TNM 可问责全身 3D FDG PET/CT 报告生成框架。真正值得关注的，不只是又多了一套“能写报告”的医学影像大模型，而是这项工作把临床最敏感的分期判断，从纯流畅文本生成，推进到了“关键结论必须能回溯到显式证据”的核验式工作流。
科学家提出肺癌报告自动生成新技术（图源：CAS article）
这件事重要，是因为全身 PET/CT 既承担肺癌诊断与分期，又天然带来高强度阅片与报告负担。官方稿件直接点明，肺癌 TNM 分期会显著改变治疗策略与预后，I 期 5 年生存率可高于 70%，而 IV 期不足 10%；但医生需要逐层核对覆盖全身的三维容积图像，把异常摄取与解剖结构逐点配对，并写出包含病灶大小、SUVmax 等定量信息的专业报告。这使得一般“语言上像报告”的生成系统不够，核心问题变成：它给出的高风险分期结论是否能让医生快速复核。
真正把它推到本轮“重大事件”栏的，是它把“可读性”和“可问责性”拆成了两个显式阶段。按官方稿件与论文题目可直接核验的信息，第一阶段由双通道三维编码器分别从 PET 与 CT 学习融合的代谢-解剖表征，先生成面向 TNM 的结构化印象，把原发灶、淋巴结和远处转移的关键证据显式列出；第二阶段再以该结构化印象为硬约束，自去标识化范例库中按器官分层检索相似报告片段，约束大语言模型只依据结构化印象和检索证据合成完整报告。团队构建的多中心数据集覆盖 3 家医院共 1583 名疑似或确诊肺癌患者，包含完整的全身 PET/CT 影像与对应报告；官方稿件进一步给出，在包含外部数据的多中心测试集上，RIDE 取得最优整体报告生成性能，常规语言指标全面领先，BLEU-4 提升约 17%。
它为什么会影响更广的学术圈讨论？第一，这条工作不再把医学报告生成仅仅当作“临床文书自动化”，而是把分期证据链显式化，直接碰到了可信医疗 AI 的核心难题。第二，它依赖的是全身 PET/CT 这种高负担、高信息密度场景，比只处理单器官截图或单段自由文本更接近真实工作流。第三，它给出的不是闭门 benchmark，而是多中心外部测试与临床能力矩阵，这使它比许多只拼语言指标的医学大模型工作更接近临床核验逻辑。
边界也必须写清。当前可直接核验的公开细节主要来自中国科学院 2026-07-07 官方科研进展页与 Research DOI 页面，足以支持“两阶段 RIDE”“TNM 可问责”“3 家医院 1583 例”“外部多中心测试领先、BLEU-4 提升约 17%”这些判断，但这仍然首先是一套报告 drafting / decision-support 框架，而不是已经替代医生签发报告的自动诊断系统。官方稿件也明确写到，团队下一步仍将开展前瞻性多读者研究，评估真实工作流中的整合、交互与安全性。更稳妥的理解是，截至 2026-07-07 16:52 CST，这项工作的关键推进，是把肺癌 PET/CT 报告生成从“能写”推进到了“关键分期结论可核验”的阶段。
信息来源
可信度说明
证据直接来自中国科学院 `2026-07-07` 官方科研进展页与 `Research` 论文 DOI `10.34133/research.1343`。当前可直接核验到论文题目、两阶段 `RIDE` 框架、`TNM` 可问责设计、多中心 `3` 院 `1583` 例数据集，以及“外部多中心测试下整体性能最优、`BLEU-4` 提升约 `17%`”等核心信息。边界在于，本轮可直接访问内容仍以官方解读和论文落地页信息为主，真实临床工作流中的交互安全性与前瞻性读者评估尚未完成。