研究背景与临床痛点 - 不确定性肺结节（IPN）的CT影像诊断存在“看得见、判不明”的灰区，导致患者面临不必要的创伤性检查或延误早期肺癌治疗的两难困境 [1] 核心研究成果 - 中国多机构联合团队历时三年，完成超过7000例样本的大规模研究，成功研发出基于人工智能和T细胞受体（TCR）图谱的诊断模型TCRNodseek Plus [1] - 该研究标志着肺癌早诊从“形态学猜测”迈入“免疫学实证”的新时代 [1] - 相关论文于2025年12月发表于国际肿瘤学权威期刊《Cancer Research》 [2] 技术原理与科学发现 - 研究基于肿瘤早期免疫系统会率先响应的机制，通过解码TCR图谱来捕捉肿瘤特异性信号 [5][6] - 研究发现肺癌患者的TCR免疫库整体多样性显著下降，且特定高频克隆占据主导地位 [6] - TCR信号强度与肿瘤突变负荷（TMB）正相关，且不同驱动基因突变（如EGFR、KRAS）会在TCR图谱上留下独特“指纹” [6] 关键技术突破 - 团队构建了全球领先的肺结节免疫数据库，并优化多重PCR测序系统，将不同基因组合的扩增相关性提升至0.97以上，以捕捉低丰度肿瘤特异性序列 [9] - 从海量数据中筛选出3000余个肺癌组织特有及3000余个肺癌血液富集的关键CDR3序列，构建了庞大的特征矩阵 [9] AI诊断模型性能 - TCRnodseek Plus模型整合血液免疫信号、结节影像学特征及临床数据，通过机器学习进行多维度分析 [10][11] - 在1107例患者的多中心前瞻性验证中，模型诊断准确率（AUC）达0.84，显著优于临床常用的Mayo模型 [11] - 与放射科医生独立判断相比，使73%的患者获得了更准确的分类建议 [11] - 模型采用“双阈值”决策逻辑：以95%的高阳性预测值锁定高危恶性结节，以93%的高阴性预测值排除良性结节 [11] - 该策略使超过60%的不确定性肺结节患者能明确诊断方向，大幅减少盲目有创检查 [11] 行业影响与数据共享 - 研究团队将构建的全球规模最大的肺结节TCR免疫组库资源平台LungTCR数据库全面对外开放，供全球临床医生和科研人员使用 [13] - 该举措打破了数据壁垒，为TCR免疫组库在肺癌疗效监测、预后评估等更广泛领域的应用提供了标准化技术底座 [13]