恶性颈部淋巴结病诊断新突破：中山大学多模态模型引领变革

2025年2月12日，中山大学的研究团队在期刊《eClinicalMedicine》上发表了题为“Quantitative vascular feature-based multimodality prediction model for multi-origin malignant cervical lymphadenopathy”的研究论文。研究结果表明，DMFLNN可以提高放射科医生的工作效率，并有可能减少不必要的颈部淋巴结病活检。不过，在广泛应用于临床实践之前，还需要进一步的测试。

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(25)00017-3/fulltext

人工智能与宫颈淋巴结病

 01 

宫颈淋巴结病是一种系统性疾病，有多种病因，包括反应性增生、结核、转移、淋巴瘤和罕见病。恶性肿瘤的风险随着年龄的增长而增加，在40岁以上的患者中，此类病例的比例高达近75%。目前，为明确宫颈淋巴结病的性质，通常会进行结节活检。然而，在因疑似恶性宫颈淋巴结病而进行活检的病例中，良性宫颈淋巴结病占30.7%。因此，需要一种可信的方法在活检前对宫颈淋巴结病进行评估。

人工智能已被证明在根据原发肿瘤的US图像预测结节转移方面表现良好 ，但现有模型不足以满足当前临床对原发肿瘤确诊前发生的宫颈淋巴结病性质判定的需求。很少有研究证明，人工智能可直接从淋巴结（LN）图像中对宫颈淋巴结病的病因进行分类。尽管研究结果令人鼓舞，但一些研究仅使用了BUS，忽略了补充性血管信息。虽然恶性颈淋巴结病源于多种来源的原发性肿瘤，但之前的研究使用的数据集只纳入了某些来源的病例，这可能缩小了应用范围。样本量小的数据集，可能会带来可重复性低或过度拟合的风险。

FPR、放射医师间的一致性和诊断置信度

 02 

在DMFLNN协助下，内部测试队列中LN状态的FPR从27.0%降至23.2%，外部测试队列中从38.4%降至28.6%。在内部测试队列中，资深放射科医生（Cohen's kappa：0.590 vs 0.696）和初级放射科医生（0.571 vs 0.750）的平均一致性都有所提高。同样，在外部测试队列中，资深放射科医生（0.589 vs 0.714）和初级放射科医生（0.453 vs 0.713）的平均一致性也有所提高。这些结果表明，在DMFLNN的帮助下，放射科医生之间的平均一致性从一般提高到了中等。此外，团队还观察到，在内部测试队列中，根据资深和初级放射医师的平均值，诊断可信度高的百分比分别从74.2%增加到80.6%，从40.1%增加到58.0%；外部测试队列中也观察到类似的结果。

内部和外部测试队列的假阳性率、放射科医生之间的一致性和置信度。

总结

 03 

1. DMFLNN的性能与优势

优于放射科医生的表现：

DMFLNN的诊断性能显著优于初级和高级放射科医生的平均表现；

DMFLNN作为辅助工具时，能显著提高放射科医生的诊断性能，增强诊断一致性，并降低假阳性率（FPR）。

对不同大小淋巴结的诊断能力：

对于直径大于10毫米的淋巴结，DMFLNN的诊断性能优于放射科医生；

对于直径小于或等于10毫米的小淋巴结，DMFLNN的表现与放射科医生相当，甚至在某些亚组中优于放射科医生。

稳健性和通用性：

DMFLNN在迄今为止最大的数据集上进行训练，包含来自10,386名患者的10,649张病理证实的淋巴结的21,298张超声图像；

数据集涵盖了临床实践中观察到的所有恶性来源，确保了模型的稳健性和普适性。

多特征融合与多模态融合：

DMFLNN整合了血管分布和丰富度等定量特征，显著提升了模型性能；

使用了B超（BUS）和彩色多普勒血流成像（CDFI）两种传统超声模式，确保了模型在资源匮乏环境中的适用性。

2. 与其他研究的对比

与其他AI模型的对比：

DMFLNN的AUC值为0.937，优于其他已报道的AI模型（如Lee等人的0.890，Liu等人的0.602-0.683，Zhu等人的0.896）；

DMFLNN在诊断小淋巴结方面表现出色，尤其是在直径≤10毫米的淋巴结中；

3. 临床应用价值

辅助诊断工具：

DMFLNN可以显著降低放射科医生的假阳性率，分别将内部和外部测试队列的平均FPR降低3.8%和9.8%；

DMFLNN可以作为第二个独立阅读器，为放射科医生提供参考，尤其是在处理小淋巴结时。

4. 未来发展方向

整合更多技术：

考虑将造影剂增强超声（CEUS）技术整合到模型中，以进一步提升诊断性能；

未来研究将纳入更多小淋巴结样本进行训练，以提高模型对小淋巴结的诊断能力。

参考资料：

1.Habermann, T.M. ∙ Steensma, D.P.

Lymphadenopathy

Mayo Clin Proc. 2000; 75:723-732

2.Roland, N. ∙ Bradley, P.J.

Neck swellings

BMJ. 2014; 348:g1078