中科院合肥物质科学研究院健康所联合多家单位，提出一款名叫 M³Net 的肺结节 AI 辅助诊断新方法，这套算法专门模仿放射科医生看 CT 片子的完整思路，按照先看全肺宏观结构、再观察结节周边环境、最后细看结节微观病灶的顺序逐层分析，相比传统只盯着结节局部的黑盒 AI，它识别肺结节良恶性更准，尤其对于边界模糊、特征不典型的疑难结节优势明显，同时参数量更小、运算开销更低，还自带可解释性，方便医生看懂 AI 判断的依据，减少临床对 AI 结果的顾虑。市面上大部分旧版肺结节 AI，大多是直接框选结节区域提取图像特征，只盯着病灶本身，忽略肺部整体结构、血管牵拉、周边组织变化这些医生很看重的信息，模型输出很难说清自己凭什么下判断，很多医生不敢直接采信；M³Net 把输入拆成宏观、介观、微观三个尺度，各自用独立编码器提取特征，再靠跨尺度对齐和交叉注意力融合信息，同步抓取分叶、毛刺、密度变化这些细节和全肺解剖关联信息，更贴近真实临床诊断习惯。
M³Net 模型核心信息清单
- 模型名称：M³Net（宏观 - 介观 - 微观层级 3D 神经网络）
- 研发主体：中科院合肥物质科学研究院健康与医学技术研究所、中科院合肥肿瘤医院及合作单位
- 核心逻辑：复刻医生「全局→周边→病灶细节」阅片流程
- 三个输入尺度
- 宏观：完整肺部 CT，看整体解剖、组织牵拉
- 介观：结节周边区域，观察血管、胸膜关联征象
- 微观：结节本身，捕捉毛刺、分叶、空洞等细节
- 验证数据集：公开数据集 LIDC-IDRI、自建临床数据集 USTC-FHLN
- 测试准确率：LIDC-IDRI 86.96%，USTC-FHLN 84.24%
- 对比基线：超过 12 种主流肺结节 AI 算法
- 突出优势：疑难结节识别更强、可解释、算力成本更低
模拟医生阅片的完整流程
- 加载整套胸部三维 CT，先读取宏观全肺影像，定位结节在肺部的空间位置；
- 截取结节周边介观区域，分析胸膜、血管、肺纹理和结节之间的关联；
- 单独切出结节微观区域，提取毛刺、分叶、空泡、密度不均等高危征象；
- 三个分支分别提取特征，做跨尺度特征对齐，保证信息逻辑一致；
- 通过层级交叉注意力融合全部信息，输出良恶性分类结果；
- 保留各尺度对应的注意力热力图，给医生展示模型重点参考区域；
- 医生结合 AI 结论、患者病史、其他检查综合给出最终诊断。
新旧肺结节 AI 方案对比表
| 项目 | 传统肺结节 AI | M³Net 这套新方案 |
|---|---|---|
| 观察范围 | 大多只截取结节局部 | 全肺宏观、结节周边、病灶微观三层 |
| 诊断逻辑 | 图像特征匹配，黑盒输出 | 模仿放射科医生分级阅片思路 |
| 可解释性 | 弱，很难说明判断依据 | 可以输出热力图，标出重点关注区域 |
| 擅长病例 | 特征清晰、典型的结节 | 边界模糊、征象不典型的疑难结节 |
| 算力开销 | 参数量偏大，推理成本高 | 参数量更少，推理负担更低 |
| 定位 | 筛查检出为主 | 辅助鉴别良恶性，给医生提供参考 |
落地推进步骤
- 在更多多中心临床数据集上继续验证稳定性，扩充不同地域、年龄的病例；
- 完善可视化报告模块，把热力图、影像征象整理成放射科可读格式；
- 和医院 PACS、影像系统做接口适配，方便嵌入日常阅片工作站；
- 开展前瞻性临床研究，评估真实门诊、筛查场景下辅助医生的效果；
- 按医疗器械监管路径推进，完成注册相关的验证试验；
- 持续迭代，和随访、病理结果联动，不断优化模型判别阈值。
【常见问题】
问题 1：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，这个新模型叫什么？
回答 1：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，该模型命名为 M³Net，采用宏观、介观、微观三层级 3D 网络结构。
问题 2：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，和普通肺结节 AI 最大差别在哪？
回答 2：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，传统 AI 大多只盯着结节本身，而 M³Net 完整复刻医生先全局、再周边、最后细看病灶的思路，同时兼顾全肺信息和病灶细节，可解释性更好。
问题 3：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，这套 AI 能不能直接用来确诊肺癌？
回答 3：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，它属于辅助诊断工具，只给放射科医生提供参考，最终良恶性判断、确诊仍然需要医生结合临床、病理综合判定，不能单独用来确诊。
问题 4：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，它在哪一类结节上面提升最明显？
回答 4：我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，在边界模糊、影像征象不典型的疑难肺结节鉴别上提升最明显，弥补很多旧模型对这类病例识别偏弱的短板。
【参考资料】
[2026-09-21]（科学岛团队提出肺结节 AI 辅助诊断新方法）中国科学院合肥物质科学研究院
[2026-09-23]（我国科研人员提出肺结节 AI 辅助诊断新方法）环球网科技
[2026-09-14]（健康所科研团队发展肺癌 AI 诊断新方法）中科院合肥物质院健康与医学技术研究所
[2026-05-12]（M³Net: A Macro→Meso→Micro Clinical-inspired hierarchical 3D Network for Pulmonary Nodule Classification）arXiv
[2026-09-25]（肺结节 AI 新思路：模仿放射科医师分级阅片）科技日报
【免责声明】
以上信息基于中科院官方发布、环球网、科技日报、预印本论文公开资料整理；我国科学家提出肺结节 AI 辅助诊断新方法，模拟医生看片子流程，M³Net 当前仍处在科研验证阶段，尚未获批医疗器械证，不可以替代放射医师诊断；所有 AI 结果仅作为临床辅助参考，肺部疾病确诊需要专业医师结合病理、病史综合判断；本文仅为科研资讯整理，不构成就医、设备采购建议。