该研究主要提出了一种集成多视野的三维卷积神经网络（EMV-3D-CNN）模型用来对肺癌风险进行分级。肺癌一直是全球威胁人类健康最常见的癌症之一，它也是导致癌症相关死亡的主要原因，约占全部癌症相关死亡的18%。在中国，2020年肺癌发病率和癌症相关死亡率在所有癌症中位居第一位，总体5年生存率约为30%。近年来，随着低剂量计算机断层扫描（Computed Tomography, CT）在肺癌筛查中的普及，更多早期肺癌被发现。而快速发展的人工智能技术，可以让研究人员基于大量历史CT数据，通过设计新颖的深度学习模型来判断肺结节的病灶类型。本研究从实际的临床问题出发，系统解决了在临床实践中，肺结节诊断的三个重要问题。分别是：

1、结节良恶性鉴别？该问题的解决主要回答患者要不要进行手术的问题。

2、可疑恶性结节是否为浸润性肺癌？该问题的解决主要回答患者何时做手术的问题。

3、浸润性肺癌的病理风险分级？该问题的解决能回答患者采取何种手术方式，需要切除多大范围。

研究团队将以上三个问题称之为肺结节诊断的3W问题（Whether，When and Which），为了解决以上问题，本研究提出了一个三阶段的EMV-3D-CNN模型。模型在诊断良/恶性结节和浸润前病变/浸润性病变方面分别获得了91.3%和92.9%的AUC。尤其值得注意的是，模型在浸润性腺癌的风险分级预测方面要优于影像科医生的判断，准确率达到了77.6%（即对浸润性腺癌进行的高、中、低分化三个分类）。最后，为了方便医生和患者访问，团队将提出的模型实现为基于Web的系统（https://seeyourlung.com.cn）。