徐存来，曹 卓,，尹章勇 ，陈 璇 ，李雨玲 ，龚易莎 ，蒋奕薇 ，潘炯伟

    (1.丽水市人民医院 呼吸与危重症科，浙江 丽水 323000；2.温州医科大学 第一临床医学院，浙江 温州 325035)

    癌症筛查的目的就是尽量在没有任何症状的情况下，通过各类检测手段，包括但不限于血液学检查和影像学检查，来发现潜在的肿瘤或疾病。如何准确地发现早期肺癌并进行干预是预防肺癌主要的任务之一。与胸部X线相比，低剂量计算机断层扫描可以将肺癌死亡率降低20%以上[1]。然而，每天用肉眼筛选大量CT图像对于放射科医师来说是巨大的压力，且单纯的影像学筛查早期肺癌准确性和特异性仍需提高[1]。近年来发展起来的人工智能信息挖掘技术，在解决大量数据带来的多参数统计分析问题上具有独到的优势，因此，利用掌握的涉及不同机制的分子生物标志，同时联合影像学数据建立的数据分类模型，将对提高肺癌的早期判别准确率有巨大的促进作用。为此，本文拟以基于靶扫描的3D卷积神经网络(3D-CNN)技术联合基因检测建立模型并运用于早期肺癌筛查。

    1 资料与方法

    1.1 一般资料 本研究为前瞻性巢式病例对照研究。选取2017年12月—2020年12月经丽水市人民医院府前院区呼吸与危重症科因“肺结节”入院患者作为研究队列，收集其基线数据、外周血及CT影像学，并随访90天。队列中经手术病理活检确诊的Ⅰ/Ⅱ期非小细胞肺癌患者80例作为肺癌组，术前未经任何抗癌治疗、无职业致癌物接触史。选取队列中和病例组同一个月在我科经手术病理活检确诊为感染性病变且无肿瘤病史的肺结节患者80例作为良性组 ......