近日，由斯坦福大学医学院与谷歌健康联合研发的深度学习影像诊断系统CheXNeXt v3，在最新发表的多中心临床研究中展现出超越人类专家的诊断能力。该研究覆盖北美、欧洲和亚洲23个医疗中心的12万例胸部CT扫描数据，采用改进的卷积神经网络架构，针对肺癌结节筛查、乳腺癌钙化点识别等8项关键指标进行验证。
研究数据显示，CheXNeXt v3在肺癌早期筛查中的敏感度达到98.3%，特异性为99.1%，相较2023年的同类系统提升近15%。值得注意的是，该系统在5毫米以下微小结节的识别准确率较放射科医师平均高出23.6%，这将极大提升早期肺癌的检出率。
"我们通过引入动态注意力机制和三维影像重构技术，显著增强了系统对复杂病灶的识别能力，"斯坦福研究团队首席科学家林志明教授表示，"该系统已通过FDA突破性医疗器械认定，预计2026年初将投入临床应用。"
在安全性验证方面，研究团队采用对抗性测试和因果推理分析，确保系统在面对图像伪影或设备参数差异时仍保持稳定诊断性能。伦理审查委员会特别指出，该系统的应用需配合医生最终复核机制，以符合医疗决策的双重复核原则。
目前，研究团队正与WHO合作建立全球医学影像数据库，计划将系统适配至支持12种医学影像模态和45种常见疾病的诊断场景。配套的边缘计算设备已进入临床试验阶段，可在无网络环境下实现3秒内完成CT影像的全幅分析。
【全文结束】
