专访巴黎科钦医院Marie-Pierre Revel教授：肺癌早筛如何“筛得准、风险低”？ | ECR 2026

深度解析医学证据，DeepEvidence为你支撑决策

肺癌早筛是降低死亡率的关键，但假阳性、过度诊断等难题始终困扰着临床医生。近日，在2026年欧洲放射学大会（ECR）上，梅斯医学专访了巴黎科钦医院知名专家Marie-Pierre Revel教授，为我们拆解欧洲肺癌早筛的现状、突破与未来方向。

两大策略，破解早筛“老大难”

谈及肺癌早筛的近期进展，Revel教授语气笃定。“我们最大的进步，在于找到了应对假阳性和过度诊断的有效路径。”她解释道，目前已形成成熟策略降低假阳性率，同时通过对亚实性结节的长期随访，最大限度减少过度诊断的风险——这正是肺癌早筛从“能筛”到“筛好”的关键跨越，也让早筛的临床价值得到进一步释放。

如何让肺癌筛查更精准地覆盖高危人群，是欧洲各国推广早筛的核心诉求。Revel教授介绍，目前确定筛查人群主要有两种方式：基于吸烟史和使用风险模型。“经过大量研究验证，PLCO模型更具优势。”她举例，与Nelson标准相比，使用PLCO模型所需筛查的人数更少，效率更高，这项成果已由ANSER小组近期发表。如今，英国、佛兰德斯的研究者已纷纷聚焦PLCO模型，Harry de Koning教授领导的4-IN THE LUNG RUN研究也在采用该模型，其在欧洲人群中的适用性正得到广泛验证。

早筛的核心的是“获益大于风险”，如何平衡早期发现的益处与过度诊断、辐射暴露的风险？Revel教授给出了明确答案：对亚实性结节坚持长期随访而非盲目干预，可有效控制过度诊断；而辐射风险的降低，离不开技术革新。“我们已进入超低剂量筛查时代，深度学习重建、光子计数探测器、锡过滤技术等，都能在保证成像质量的同时大幅降低辐射剂量。”她特别提醒，需确保这些超低剂量方案的可迁移性，避免影响AI工具的检测效果。

人工智能+影像，筑牢早筛“防护网”

谈及提升筛查特异性的新方向，Revel教授重点提及了影像生物标志物与人工智能。“影像生物标志物是实现个性化筛查的重要路径，我们的韩国同事近期发现，有肺气肿或肺间质异常的人群，即便参与筛查，间期肺癌的风险仍会升高。”而AI则能有效弥补人工阅片的不足，“那些与血管相连的易漏检结节，借助AI作为第二阅片者，能显著提升检测灵敏度，避免漏诊”，让早筛更精准、更高效。

对于欧洲统一肺癌筛查政策的制定，Revel教授认为，资金支持与试点推广是核心优先级。“筛查的落地离不开资金保障，这绝非一笔小数目。”她透露，法国即将启动一项耗资1000万欧元的国家计划，招募2万名参与者开展筛查，这也为欧洲各国提供了可借鉴的实践样本。随着法国《抗癌十年战略》的推进，更多资金将投入抗癌领域，为肺癌早筛的普及注入动力。

从破解核心难题到优化筛查策略，从技术革新到政策推进，Revel教授的分享，让我们看到了欧洲肺癌早筛的清晰路径，也为全球肺癌早筛事业提供了宝贵经验。