伴随医学影像技术的不断进步与CT设备的广泛普及，愈来愈多的居民能够在社区范围内进行肺癌筛防，肺内结节的检出率自然随之提高。

 通常而言，居民检出的肺结节大都属于微小结节，它在肺部组织中的直径小于或等于5mm，仅一小部分存在早期肺癌的影像学表现，绝大多数都是良性结节。

《肺结节诊治中国专家共识（2024年版）》等共识指南建议，微小结节可以在基层医院定期随访，无需进行额外干预。但对于患者，写有肺部小结节的报告总会自然而然地引发恐惧。害怕与肺癌牵扯上关系，他们会焦急地拜访专业医生，希望进一步理解诊断报告的意义。

 这种“过度就医“现象不仅影响了患者身心健康，也在一定程度上挤压了本就紧张的医疗资源。

卢春来在中国信通院承办的“大模型智塑全球产业新秩序论坛”上分享“终节者”的开发理念 —— 让技术真正站在患者视角解决问题

“我们这个时代互联网非常发达，拿到报告的患者会自己在网上寻找解读的方法。如果是向我们医生提问还好，我们能够给他一个明确的答复，让他们安心随访。更多时候，患者求助的科普平台、大模型不能精准解读报告，出于保险会给患者罗列各种肺结节的可能性，不仅没能解答患者的疑惑，反而加深了他们的焦虑，迫使他们去医院挂号就诊。”复旦大学附属中山医院胸外科副主任医师卢春来告诉动脉网。

“就我门诊而言，一个上午一般能接待约60名患者，其中真正需要干预的只有不到10人，很多需要治疗的患者很难及时挂上号。中国的医疗资源还处于较为短缺的状态，我们希望能将有限的医疗资源精准地分配给亟须治疗的患者，最大化医疗资源的价值。”

为了解决上述问题，卢春来带着团队自己开发了一款肺结节检测AI工具“终节者”，它可以通过自动识别CT报告单上描述肺部结节高危、低危的关键词，进而判断肺部结节的风险度。

卢春来在2025世界人工智能大会期间对外演示了“终节者”的用法。它的体量非常轻，在小程序上便能访问，用户只需要上传手机拍摄的检查报告，AI便能在10秒内判断出结节的风险度，提示患者是“及时就医”还是“定期随访”。

“目前AI在影像学的应用聚焦于在医生端，用以辅助医生勾画及诊断肺结节，但在患者端，很少有企业愿意提供这样的服务。”卢春来表示，“我们团队希望通过这样一个工具，为急于求证的患者给出权威的结果，缓解患者的不安与焦虑；同时也在这个过程中优化门诊资源分配，让有干预需求的肺结节患者尽快获得相应的治疗。”

自年初崛起的DeepSeek赋予国内医院本地化部署、模型定制的能力后，大量工具随之涌现，使得医生也能参与模型的开发，推动AI应用由问诊导诊转向严肃医学。

尽管如此，要打造一个专科应用仍不容易。数据、算法、医学知识的清洗整理与复杂映射关系建立，每一个开发者都绕不开这些难题。

卢春来告诉动脉网：“最开始我们做出的Demo准确率是很低的。由于不同地区医学教育的差异，很多报告用到的术语其实没有严格统一。比如，有的医生用的是‘毛玻璃结节’，有的则是‘毛玻璃样结节’；一般常用‘毫米’作为单位衡量肺结节的直径，也有医院用惯了‘厘米’。”

为了解决这些问题，让“终节者”可以识别来自全国的影像报告，卢春来及其团队一边投入语料优化知识图谱，一边寻找全国各地医院的肺结节报告进行临床验证。

在目前开展的临床研究中，研究团队拟入组多个中心总计500名患者的报告，将这些样本分为低危组和高危组上传小程序进行验证。目前中期研究结果显示，“终节者”的测试准确度约95%。我们期待研究的最终结果，为“终节者”落地应用提供科学依据。

即便如此，卢春来团队依然在不断优化“终节者”的能力。

“下一步，我们还会不断优化“终节者”对报告中终肺结节精准识别能力。细心的患者可以发现一张胸部CT报告常常会提及其他脏器部位的描述和诊断，比如肝脏存在囊肿，甲状腺密度不均……这些信息可能会给AI算法的逻辑带来干扰，我们期望排除这些干扰项，进而优化模型的表现。”卢春来说。

“没有医生能够100%找到患者的疾病，但我们希望通过数据积累与算法的优化，让它尽可能趋近于1，尽可能不漏掉任何一个阳性患者，也不给予阴性患者一丝额外的压力。

卢春来说：“就像我常说的，‘科技的温度就是让生命不必在数据中流浪’。‘终节者’算的是风险值，但我真正想做的，是让患者在面对冷冰冰的报告时，能感受到‘有人懂你的慌，有人在为你想办法’”。