近日，中山大学肿瘤防治中心影像科主任医师谢传淼/张峥团队开发并验证了一套全自动骨转移瘤智能诊断系统。(BLDS)，显著提高了CT图像中骨转移灶的识别效率和检测疾病的敏感性，减少了误诊。这一结果表明，人工智能在帮助准确诊断、分期和治疗方面迈出了重要一步，给患者带来了好消息。《自然-通信》发表了相关结果。

骨骼是肿瘤转移的常见靶器官。确诊骨转移后，肺癌、乳腺癌或前列腺癌患者的中位生存期约为1-5年。对于疑似转移的患者，需要全面的影像检查才能进行准确的临床分期评估。传统计算机断层扫描(CT)除了评估骨转移，还可以用来检查淋巴结或内脏转移。然而，放射科医生需要人工判断多位置的CT图像，这需要时间和精力。

此外，骨岛、血管瘤、退行性病变等良性病变在全身骨骼中广泛存在，常与转移灶形成影像学混淆。面对大量多位置的CT图像数据，图像阅读的疲劳可能会导致漏诊率上升。虽然目前CT图像骨转移检测的AI算法研究取得了阶段性进展，但兼顾高鲁棒性和强泛化能力的智能诊断系统的开发仍然是实现临床转换的关键突破口。

针对当前研究的局限性，研究小组创新性地构建了三个研究模块:一是通过回顾性收集大规模肿胀序列数据。(n=1271)全自动骨病变智能诊断系统的训练和验证(BLDS);第二，选择多中心随机交叉试验设计，在五家三甲医院内部验证序列和外部验证队列中，(n=1247)，系统比较了BLDS和不同年龄段放射科医生的诊断效率;第三，针对现实世界临床转型的关键问题，中国肿胀急诊、门诊、住院患者被前瞻性列为(n=54610)构建了多场景验证体系，包括整个诊断和治疗过程。

临床验证显示，BLDS使放射科医生的骨转移灶检测灵敏度提高22.2%，阅读时间缩短26.4%。大规模真实世界验证(n=在54610中，该系统患者的诊断灵敏度达到90.2%，阴性预测值达到98.2%，显示出优异的临床应用。特别是BLDS可以为培训医生提供高效可靠的决策支持，有效改善CT影像诊断过程，降低误诊风险，促进骨转移瘤诊断的规范化进程。

该研究特别结合了全球13种主流CT设备型号，以确保系统的一般设备兼容性。值得注意的是，BLDS不仅实现了扫描野内全骨病的自动检测，还智能识别了各种骨病变，如成骨转移、溶骨转移、混合转移、血管瘤、许莫氏结节、骨岛、终板炎等。，显示了临床AI系统的全过程诊断能力。

该研究建立的BLDS系统基于非增强CT扫描实现的全自动骨病变检测和分析诊断能力，通过回顾性验证和现实世界临床评估双重验证系统，成功达到临床治疗标准。该系统不仅可以改善图像诊断过程，还可以通过准确的疾病定位和良恶性识别(8类亚型自动分类)来提高诊断一致性。