工具介绍：

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%。本系统从实际的临床问题出发，解决了在临床实践中，肺结节诊断的三个重要问题：结节良恶性鉴别，主要回答患者要不要进行手术的问题；可疑恶性结节是否为浸润性肺癌，主要回答患者何时做手术的问题；浸润性肺癌的病理风险分级，能回答患者采取何种手术方式，需要切除多大范围的问题。

我们的模型在诊断良/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，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）。

工具链接：https://seeyourlung.com.cn

使用教程：https://www.bilibili.com/video/BV1ch411w7zP/?vd_source=c119f4328157bf56167596e497833c71

工具介绍：

同时性多原发性肺癌（Synchronous multiple primary lung cancer, sMPLC）是肺癌中最为复杂的一种类型，其特征是在肺同侧或对侧至少同时发现两个及以上原发肿瘤。sMPLC 占全部肺癌的比例约为 19.8%-50.9%。由于sMPLC在个体患者中的生存和复发率表现出显著的异质性，使用传统的TNM分期系统无法准确预测sMPLC患者的生存和复发率。

本分析工具的开发收集了来自五个医学中心的临床病理数据，并对831名接受肿瘤切除的sMPLC患者进行了再分期，建立了一个基于多中心数据和统一诊断标准的预测模型，通过7个变量来预测患者的生存率。能够取得比TNM分期更高的预测精度。为方便临床医生使用，我们开发了一个在线工具，通过该工具，医生可以很方便的给出sMPLC患者的生存评分。

工具链接：https://survivalprediction.shinyapps.io/rssp/

    工具介绍：

    大多数早期发现的肺结节进展通常较为缓慢，需要患者定期复查以关注结节的进展情况。传统做法是，医生会对每一张肺部CT切片进行分析，根据每层CT上结节的大小变化和密度变化等信息来预测和评估结节的生长。然而，这种方法主观性强，易受外界因素影响，且容易出错。因此，在临床医学领域中，开发用于量化结节进展的高效准确的算法至关重要。本工具的研发创新性地将结节进展问题规范为假设检验问题，并提出一种新型统计量NPDS来检测结节是否进展。该方法仅需依赖二维CT图像，避免了传统体积测量方法中需要精确三维结节分割的复杂流程，更贴近"人眼"逐层对比CT图像的过程。此外，所提出的统计量确保结节进展评估既考虑统计显著性又兼顾临床经验，使其更具临床应用价值。本工具分别在大规模模拟数据集（超过10万个结节对）和真实临床数据集（435个结节对）上评估了方法性能，在模拟数据和真实数据上测试结节进展的AUC分别达到95.29%和89.53%。

    我们分别提供该工具的Demo页面、R版本的package、以及Python版本

    工具Demo：https://www.seeyourlung.com.cn/npds.html

    R package（NPDS4Clib）：https://github.com/JingyuGui/NPDS4Clib

    Python版本：https://github.com/hangyustat/NPDS