肺癌是一种源于肺部组织的恶性肿瘤，是一种常见且致命的癌症。根据世界卫生组织2025年公布的统计数据，截至2025年，肺癌已连续十年位居全球癌症死亡率首位。我国是肺癌的高发区，根据国家癌症中心公布的数据，
肺癌的发生与当下社会生活节奏增快、工业化水平提高、群众压力增加、抽烟人数递增存在一定关系。而肺癌的死亡率，很大程度上与其难以及时发现有着密切的联系。
肺癌早期通常无症状，而在2012年以前，我国主要是通过拍胸片进行筛查，检出率有限，直到近几年低剂量螺旋CT的普及，肺癌早期检出率才得到了显著提升，但即便如此，不能及时发现并进行治疗，依旧是导致肺癌发病并致死的重要原因。也正因如此，优化肺癌诊断与治疗过程，仍旧是医学界长期关注的话题。
近日，中国科学院深圳先进技术研究院等组成的研究团队，在全身PET/CT报告自动生成领域取得进展，为肺癌的诊断和治疗过程，带来了积极影响。
全身PET/CT可同时提供病灶的代谢与解剖信息，是肺癌诊断与分期的核心手段，但，PET/CT报告的撰写需要医生逐层判读覆盖全身的三维容积图像，将每一处异常摄取与对应解剖结构精确匹配，形成包含定量指标的专业报告，撰写负担沉重。
研究团队提出了面向肺癌的两阶段、TNM可问责的报告自动生成技术。该技术可以生成流畅报告草稿，并同时将原发肿瘤、淋巴结及远处转移等分期关键结论关联到显式、可检视的疾病分类标签与文本证据之上。借助此，医生可以快速核验其中的高风险陈述，有效减轻判读PET/CT的负担。
据中国科学院相关报道介绍，该框架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，快速生成面向TNM的结构化印象，以清单形式显示列出原发灶的多项分期关键证据。第二阶段以该结构化印象作为指导，自去标识化的范例库中按器官分层检索相似报告片段，约束大语言模型仅依据结构化印象与检索证据合成完整报告。
研究团队构建了多中心数据集，涵盖三家医院共1583名疑似或确诊肺癌患者，每例均包含完整的全身PET/CT影像与对应报告。研究结果显示，在包含外部数据的多中心测试集上，该技术取得最优的整体报告生成性能，常规语言指标全面领先。同时，研究团队提出临床报告能力矩阵，从代谢检出、病灶定位和恶性分类三个维度量化临床准确性。(参考资料来源：中国科学网)。
该成果是人工智能驱动肺癌诊疗的重要成果，也为“可信AI”系统在临床的真实落地提供了可行的路径。
