TGXAS-早期非小细胞肺癌术后复发人工智能预测技术规范编制说明

团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》（征求意见稿）编制说明一、任务来源、起草单位、主要起草人根据《广西标准化协会关于下达2025年第三十八批团体标准制修订项目计划的通知》（桂标协〔2025〕332号）文件精神，由广西人工智能学会提出，桂林市第三人民医院、桂林电子科技大学、全州县人民医院、阳朔县医疗保障事业管理中心、桂林市医药招采中心、平果市人民医院、灵山县人民医院、广西壮族自治区桂东人民医院、钦州市中医医院、桂林市妇女儿童医院、桂林市人民医院、中南大学湘雅二医院桂林医院、桂林市社会福利医院、桂林市七星区科技企业发展中心、深圳挚硕计算机技术有限公司、中国人民解放军南部战区总医院、昆明理工大学、广西人工智能学会、广西壮族自治区南溪山医院、杰创智能股份有限公司、广西医科大学第二附属医院、桂林市中医医院、灵川县妇幼保健院、长沙东彦文信息科技有限公司、阳朔县人民医院、灵川县人民医院、浙江飞图影像科技有限公司、桂林理工大学、桂林当桂中医医院有限公司共29个起草单位，主要起草人：朱飞艳、潘细朋、唐春华、唐桂珠、杜静玲、韦艳霞、罗善修、杜明、凌光锋、蓝如师、时永康、谢灵霜、韦捷、潘旻、覃天良、张捷、杨林明、鲁江、陈俊嗣、李旭升、肖静、卞新军、潘国栋、程子龙、查露露、马群英、廖剑平、佘巍巍、陈美宇、孙鸿玉、张海波、何哲、王羲、胡洁、陈晓旺、曾勉、敬嘉盛、朱江平、蒋碧玲、龙慧鑫、朱海艳、佘纯纯、蒋贤鉴、黎之枞、唐乐剑、颜征鸿、吴祖明、倪辉、郑志平、廖相、何叶、文军、赵晓庆、裴毅、吴林峰、徐莹波、陶毅、黄柳宜、李丽娟、黄敏、黄笛、张文军、王韩勇、黄润彪、陈仙鹤、魏晓晴、党正娣、张玲、谢晓兰、董路熙、马志波、张秋玲共72人，共同起草的团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》（项目编号：2025-3801）已于2025年11月14日在广西标准化协会获批立项。为高质量编制团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》，由第一起草单位成立标准编制工作组并进行如下分工：序号姓名职务/职称工作单位主要负责工作1朱飞艳原信息科科长/高级工程师桂林市第三人民医院统筹主持标准全面工作2潘细朋人工智能学院/教授桂林电子科技大学负责标准总体技术架构设计、指导人工智能相关技术及协调技术组工作，组织征求意见和审定会、标准评估等相关工作3唐春华原信息科科长/工程师全州县人民医院负责临床数据采集、整理、病案信息统计与数据质量控制、宣传推广应用等相关工作4唐桂珠副主任/执业药师阳朔县医疗保障事业管理中心负责药学、医保相关专业知识及技术服务、宣传推广应用等相关工作5杜静玲执业药师桂林市医药招采中心负责药学、医保相关专业知识及技术服务、宣传推广应用等相关工作6韦艳霞审计科科长（原信息科科长）/高级工程师平果市人民医院负责医院信息、审计、推广应用、宣传贯彻等相关工作7罗善修信息科科长/工程师灵山县人民医院负责信息数据采、收集，整理以及医院信息，统计，病案、推广应用、宣传贯彻等相关工作8杜明八步分院及贺州分院信息科负责人广西壮族自治区桂东人民医院负责信息数据采、收集，整理以及医院信息，统计，病案推广应用、宣传贯彻等相关工作9凌光锋信息科科长/工程师钦州市中医医院负责信息数据采、收集，整理以及医院信息，统计，病案、推广应用、宣传贯彻等相关工作10蓝如师人工智能学院副院长/研究员桂林电子科技大学负责参与标准调研、技术协调，组织征求意见和审定会，指导AI算法研发等相关工作11时永康原信息科科长/工程师全州县人民医院负责参与数据清洗与处理，推广应用、宣传贯彻等相关工作12谢灵霜副主任技师桂林妇女儿童医院负责临床检验数据支持，参与医技相关数据采集与验证，宣传等相关工作13韦捷主管技师南宁市妇幼保健院负责病案编码及相关技术、宣传等相关工作14潘旻肿瘤科主任/主任医师桂林市人民医院负责临床专业技术支持，参与病例筛选、临床验证及结果解读、推广应用、宣传贯彻等相关工作15覃天良工程师广西中医药大学第一附属医院负责信息数据采、收集，整理、信息化技术支持，推广应用、宣传贯彻等相关工作16张捷副主任/工程师桂林市七星区科技企业发展中心负责科技信息化相关政策指导、推广应用、宣传贯彻等相关工作17杨林明信息科科长/工程师中南大学湘雅二医院桂林医院负责信息数据采、收集，整理、信息化技术支持，推广应用、宣传贯彻等相关工作18鲁江信息科科长/工程师桂林市社会福利医院负责信息数据采、收集，整理、信息化技术支持，推广应用、宣传贯彻等相关工作19陈俊嗣信息科科长/工程师广西壮族自治区桂东人民医院负责信息数据采、收集，整理以及医院信息，统计，病案推广应用、宣传贯彻等相关工作20李旭升董事长深圳挚硕计算机技术有限公司负责宣传、推广应用、标准评估等相关工作21肖静主治医师/教师南宁市卫生学校负责宣传教育，推广应用等相关工作22卞新军博士研究生（在读）桂林电子科技大学负责标准人工智能技术、标准编制等相关工作23潘国栋研究生（在读）桂林电子科技大学负责标准人工智能技术、标准编制等相关工作24程子龙研究生（在读）桂林电子科技大学负责标准人工智能技术、标准编制等相关工作25查露露助理员/主管护师中国人民解放军南部战区总医院负责参与标准调研、护理相关技术等综合协调等相关工作26马群英外国语言文化学院副院长/副教授昆明理工大学负责标准翻译、国际交流合作，协助术语规范化，外文版标准编制、标准评估、宣传贯彻等相关工作27廖剑平秘书长/副教授广西人工智能学会负责标准提出、调研、综合协调，归口、宣贯、组织标准征求意见，参与审定会，对接学会资源等相关工作28佘巍巍呼吸科主任/主任医师广西壮族自治区南溪山医院负责临床需求定义、病例筛选、临床验证组织，参与标准技术条款审核、宣传贯彻、推广应用等相关工作29陈美宇副主任医师广西壮族自治区南溪山医院负责提供临床医疗专业技术知识及临床验证、宣传贯彻、推广应用等相关工作30孙鸿玉主管护师中国人民解放军南部战区总医院负责标准宣传、教育，推广应用，参与护理数据采集与培训等相关工作31张海波信息科科长/高级工程师中国人民解放军南部战区总医院负责临床数据采集、标准宣传贯彻、推广应用等相关工作32何哲副主任医师中国人民解放军南部战区总医院负责临床需求定义、参与标准技术条款审核、宣传贯彻推广应用、标准评估等相关工作33王羲放射科主任/副主任医师桂林市人民医院负责影像数据采集标准制定，参与影像特征提取验证、宣传贯彻、推广应用等相关工作34胡洁病理科主任/副主任医师桂林市人民医院负责病理数据采集标准制定，参与病理图像标注与验证等相关工作35陈晓旺信息科科长/高级工程师桂林医科大学第一附属医院负责临床数据采集、宣传贯彻、推广应用等相关工作36曾勉本科（在读）桂林电子科技大学协助会议筹备、资料收集整理、宣传贯彻等相关工作37敬嘉盛研发部工程师杰创智能股份有限公司负责标准人工智能技术、标准评估宣传贯彻、推广应用、协助翻译、国际交流等相关工作38朱江平海外部高管新华三技术有限公司负责宣传贯彻、推广应用、国际交流等相关工作39蒋碧玲研究生（在读）广西师范大学协助会议筹备、相关资料收集、标准宣传贯彻，协助翻译、国际交流合作，协助标准日语版编制等相关工作40龙慧鑫本科（在读）广东外语外贸大学标准宣传贯彻，协助翻译标准阿拉伯语版编制、国际交流合作等相关工作41朱海艳经理桂林市宇威保安公司负责标准实施过程中的安全保障、资料收集整理、后勤保障、宣传贯彻等相关工作42佘纯纯副主任医师桂林妇幼保健院负责提供妇科及生殖医疗专业技术知识及临床验证等相关工作43蒋贤鉴副主任/副研究员桂林市医保中心负责标准进行评估，宣传贯彻，推广应用、协调医保等相关工作44黎之枞技师广西医科大学第二附属医院负责临床检验数据支持，参与医技相关数据采集与验证等相关工作45唐乐剑神经外科副主任/主任医师广西壮族自治区南溪山医院负责临床需求定义、参与标准技术条款审核、宣传贯彻、推广应用、标准评估、临床验证等相关工作46颜征鸿信息科科长/副主任医师桂林市人民医院负责信息数据采集、推广应用、宣传贯彻等相关工作。47吴祖明副主任医师桂林市中医医院负责提供临床麻醉医疗专业技术知识及临床验证、宣传贯彻等相关工作48倪辉中医科副主任/副主任医师桂林市第三人民医院负责提供临床中医医疗专业技术知识及临床验证、宣传推广、国际交流等相关工作49郑志平院长助理/副主任医师灵川县妇幼保健院负责提供临床麻醉医疗专业技术知识及临床验证、宣传贯彻、推广应用等相关工作50廖相生殖中心男科负责人/副主任医师桂林市妇女儿童医院负责提供临床生殖医疗专业技术知识及临床验证、宣传贯彻、推广应用等相关工作51何叶副秘书长广西人工智能学会负责标准提出、归口、宣传、推广应用，组织宣贯活动等相关工作52文军呼吸科主任/副主任医师桂林市第三人民医院负责提供临床呼吸及结核医疗专业技术知识及临床验证、宣传贯彻、推广应用等相关工作53赵晓庆主管护师中国人民解放军南部战区总医院负责护理流程标准化、临床护理数据采集与验证宣传推广等相关工作54裴毅董事长长沙东彦文信息科技有限公司负责标准宣传贯彻，评估、技术支撑、推广应用等相关工作55吴林峰市场部总监/记者桂林融媒体中心负责标准宣传、策划、媒体传播与社会影响力建设等相关工作56徐莹波原经济部副主任/主任记者桂林融媒体中心负责标准宣传、策划、媒体传播与社会影响力建设等相关工作57陶毅信息科科长/工程师广西壮族自治区南溪山医院负责标准数据采集、宣传贯彻，评估、技术支撑、推广应用等相关工作58黄柳宜信息科科长/高级工程师阳朔县人民医院负责基层医院数据采集、流程验证，参与应用反馈与优化、宣贯、推广应用等相关工作59李丽娟副书记（原信息科科长）/高级工程师灵川县人民医院负责基层医院数据采集、流程验证，参与应用反馈与优化、宣贯、推广应用、综合协调等相关工作60黄敏合伙人/律师广西君美律师事务所负责标准法律合规性审查，参与知识产权与数据安全条款制定、宣传等相关工作61黄笛副主任医师桂林医科大学第二附属医院负责提供临床呼吸与感染医疗专业技术知识，参与临床验证及教学医院数据支持、标准宣贯，推广应用等相关工作62张文军信息科科长/高级工程师桂林市中医医院负责标准数据采集、宣传贯彻，评估、技术支撑、推广应用等相关工作63王韩勇信息科科长/工程师全州县人民医院负责基层医院数据采集、流程验证，参与应用反馈与优化、宣贯、推广应用等相关工作64黄润彪信息科科长恭城县妇幼保健院负责基层医院数据采集、流程验证，参与应用反馈与优化、宣贯、推广应用等相关工作65陈仙鹤会长（原信息科科长）/高级工程师桂林市卫生信息学/广西壮族自治区南溪山医院负责标准制定、区域标准推广、医院信息化建设对接，参与实施指导、宣贯、推广应用等相关工作66魏晓晴研究生(在读)昆明理工大学不断对标准提出修改建议，后续负责翻译、国际交流合作，协助标准英文版编制等相关工作67党正娣研究生（在读）昆明理工大学不断对标准提出修改建议，后续负责翻译、国际交流合作，协助标准英文版编制等相关工作68张玲科研部浙江飞图影像科技有限公司负责宣传、教育，推广应用等相关工作69谢晓兰人工智能学院院长/教授桂林理工大学计算机科学与工程学院负责标准学术支撑、学科交叉融合，参与标准条款制定、评估，宣贯、推广应用等相关工作70董路熙网络工程教研室主任/讲师桂林理工大学计算机科学与工程学院负责网络技术支撑，参与标准条款制定、评估，宣贯、推广应用等相关工作71马志波放射科主任/主任医师钦州市中医医院负责影像数据采集标准制定，参与影像特征提取验证、临床验证、宣传贯彻、评估、推广应用等相关工作72张秋玲副院长/主管护师桂林当桂中医医院有限公司负责护理流程标准化、临床护理数据采集与验证宣传推广等相关工作二、制定标准的必要性和意义根据《国家标准化发展纲要》、《国务院关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）、《国务院办公厅关于促进“互联网+医疗健康”发展的意见国办发〔2018〕26号》等文件精神，为响应国家“AI赋能千行百业”、广西壮族自治区政府“北上广研发、广西集成、东盟应用”的号召，落实2025年10月15日国务院以“强化标准引领保障作用，以标准升级促进经济高质量发展”为主题的会议精神，率先实现人工智能与医疗领域深度融合，探索人工智能在医疗健康服务行业的创新技术，促进医院高质量发展。到2030年，我国人工智能全面赋能高质量发展，新一代智能终端、智能体等应用普及率超90％，智能经济成为我国经济发展的重要增长极，推动技术普惠和成果共享。到2035年，我国全面步入智能经济和智能社会发展新阶段，为基本实现社会主义现代化提供有力支撑。这些政策为AI+技术创新和推广应用提供了充分的政策依据和强大的底气，为原创性高质量《早期非小细胞肺癌术后复发人工智能预测技术规范》创造了良好的“产、学、研、用”环境。肺癌是我国发病率和死亡率居首位的癌症，也是全球癌症相关死亡的最主要原因。非小细胞肺癌（non-smallcelllungcancer，NSCLC）约占所有肺癌患者的76%，手术是早期（IA-IIB期）NSCLC的首选治疗方案，但术后出现复发或转移，有30%-55%的患者在术后发生复发并死亡。早期NSCLC依据症状体征一般难以被发现，肺癌筛查也未引起高危人群重视，导致大部分NSCLC患者在确诊时已经进展恶化到中晚期或伴发远处转移,造成不可挽回的生命危机。目前临床常用的TNM分期系统，研究表明，早期NSCLC患者中ⅠA期、ⅠB期、ⅡA期和ⅡB期的5年生存率分别为77％、92％、68％和53％，但晚期NSCLC患者的5年生存率约为6％。如何进行术后复发预测和风险管理是临床医生和患者都非常关注的问题。人工智能（artificialintelligence，AI）是计算机模拟人类某些思维过程和智能行为的应用。人工智能在肺癌早期筛查与诊断环节展现出显著优势，“医工融合”、多学科合作解决人类健康问题是大势所趋。精准预测早期NSCLC术后复发风险，对改善预后具有重要意义。非小细胞肺癌（non-smallcelllungcancer，NSCLC）是全球癌症患者死亡的主要原因之一，其发病率逐年升高。早期的非小细胞肺癌症状、体征一般难以被发现，严重危害人类生命和健康。“医工融合”、多学科合作，让人工智能在肺癌早期筛查与诊断环节利用先进创新技术，发挥积极作用，早日造福于民，为国家减轻沉重医保负担，制定团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》发布、实施、推广、应用迫在眉睫。主要原因有：1、AI预测技术在肺癌诊疗领域的产业化进程正受困于标准缺失。不同机构的数据采集与特征提取方法各异，导致研究成果无法横向对比，多中心协同研究难以推进，制约了技术迭代速度。标准的出台可构建“研发-验证-准入”的标准化链路，明确训练数据的最小样本量、多源数据融合规范等技术要求，从而打通“技术创新-临床应用-产业升级”的堵点。2、在早期非小细胞肺癌术后复发AI预测领域，全球范围内尚未形成成熟的标准化体系。我国肺癌患者群体庞大，相关AI研究的中国数据占比已达58.3％，且在影像组学、多组学融合等技术方向积累了丰富经验，具备制定贴合本土临床实际标准的独特优势。通过率先制定团体标准，既能将我国的技术优势转化为标准优势，为后续参与国际标准制定奠定基础，更能保障国内患者获得适配本土特征的精准诊疗服务，在全球AI医疗细分领域确立竞争主动权。通过制定团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》，以标准为抓手，统一规范早期非小细胞肺癌术后复发人工智能预测技术，对推广应用早期非小细胞肺癌术后复发人工智能预测技术，提高人民群众生命全周期健康水平大有益处，促进国家医疗卫生事业高质量发展具有重要意义。三、主要起草过程（一）成立标准编制工作组团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》项目任务下达后，项目申报单位及第一起草单位桂林市第三人民医院由广西壮族自治区卫健委及桂林市卫健委信息化专家库专家、广西标准化协会及广西壮族自治区标准化专家库专家、广西人工智能学会及广西电子学会专家库专家，项目负责人高级工程师朱飞艳成立了标准编制工作组，制定了起草编写方案与进度安排，明确任务职责，确定工作方案和技术路线，开展标准调研及研论等相关工作。具体标准编制工作由第一起草单位负责人朱飞艳组成的标准编制工作组完成。标准团队由28家单位组成，涵盖高校、二、三级医院、科研机构及高新技术企业等，形成“产、学、研、用”全链条协同创新体系，核心成员共72名，从学历结构来看，研究生（博士+硕士）学历以上共35人，占总人数的48.61%，体现了团队深厚的学术素养和科研能力；从职称结构来看，高级职称（正高+副高）以上共32人，占总人数的44.44%，形成了以高级专家为核心的专业团队；从年龄结构来看，50岁以下共63人，占总人数的87.5%，是一支具有朝气和生命力的年轻团队。此外，团队专业背景涵盖人工智能、医学影像、病理学、临床医学、护理、信息技术、标准化、外国语、新闻媒体及法律等多个领域，具备显著的“医工融合”多学科协同优势。结合团队成员的专业情况，编制工作组下设10个组，分别是综合协调组、标准编制组、人工智能技术研发组、临床专家组、医技/护理组、数据专家组、推广应用组、科教宣传组、国际交流组、标准评估组。综合协调组主要负责标准编制工作的整体统筹与组织协调；标准评估组负责标准技术指标的评估与验证工作；人工智能技术研发组负责标准中人工智能预测相关技术条款的研究与制定；标准编制组负责标准文本及编制说明的起草、修改和完善工作，包括标准草案、征求意见稿、送审稿、报批稿及相应编制说明的编写；推广应用组负责团体标准发布后的宣贯、培训和推广应用工作；科教宣传组负责标准的宣传、教育及社会影响力建设工作；数据专家组负责标准中临床数据相关条款的研究与制定医技、护理组负责提供医技、护理相关的专业技术支持；临床专家组负责提供临床医疗专业技术知识及临床验证工作；国际交流组负责标准的翻译、国际交流合作相关工作。（二）收集整理文献资料标准编制工作组收集了国内与“非小细胞肺癌”“人工智能预测”相关的资料，主要有：《T/GXAS847—2024非小细胞肺癌免疫检查点抑制剂相关性肺炎诊治规范》《T/SBIAORG001—2024早期非小细胞肺癌体部立体定向放射治疗呼吸门控技术运动管理标准》《T/GRHA0001—2024基于FFPE样本的非小细胞肺癌相关基因突变高通量测序检测方法》《T/CACM1613—2024非小细胞肺癌中西医结合诊疗指南》《DB14/T3445—2025人工智能电离层电子总含量（TEC）预测技术应用指南》（三）研讨确定标准特色、创新点和主要内容1.特色与创新点（1）本标准基于深度学习技术，挖掘和筛选早期NSCLC治疗前的CT影像组学特征及手术病理WSI中的细胞空间分布等多模态特征，并将其与患者临床信息融合，构建早期NSCLC术后复发风险预测模型，为智能评估、精准诊疗提供帮助。（2）解决的关键科学问题：一是如何提取和筛选早期NSCLC的术前CT影像特征和手术病理WSI中细胞空间分布特征，从宏观和微观层面表征肿瘤微环境。二是如何融合CT影像特征、手术病理WSI的细胞空间分布特征及临床信息，构建早期NSCLC术后复发风险预测模型。主要应用的方法为：早期NSCLC影像特征提取和筛选，病理图像细胞分割、识别以及空间关系构建，融合多模态信息并构建NSCLC术后复发风险预测模型。（3）技术创新。围绕早期NSCLC术后复发风险难以精准、智能预测的重要临床问题进行研究，提取影像、病理特征，并与临床信息进行融合，构建基于多维信息的早期NSCLC术后复发风险预测模型，从实际临床中提炼科学问题，解决问题后又返回来指导应用。2.主体内容标准编制工作组在对收集的资料进行整理研究之后，2025年12月，标准编制工作组召开了标准编制研究讨论会议，对标准的整体框架结构进行了研究，并对标准的关键性内容进行了初步探讨。经过研究，标准的主体内容确定为术语定义、缩略语、多模态数据要求、数据采集与处理、数据特征提取、数据多模态特征融合、预测模型构建与验证、预测结果表达。（四）调研及形成草案、征求意见稿2025年10月，标准起草工作小组进行了广泛调研工作，查阅了大量的国内外文献资料，对早期非小细胞肺癌术后复发人工智能预测技术的前人研究成果进行系统总结。形成了标准的基本构架，对主要内容进行了讨论并对项目的工作进行了部署和安排。2025年11月，在前期工作的基础之上，通过理清逻辑脉络，整合已有的参考资料中有关早期非小细胞肺癌术后复发人工智能预测技术要求，并结合早期非小细胞肺癌术后复发人工智能预测技术实际要求的基础上，按照简化、统一等原则编制完成团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》（草案）。2025年12月～2026年3月，标准起草工作组组织召集桂林市第三人民医院、桂林电子科技大学、全州县人民医院、阳朔县医疗保障事业管理中心、桂林市医药招采中心、平果市人民医院、灵山县人民医院、广西壮族自治区桂东人民医院、钦州市中医医院、桂林市妇女儿童医院、桂林市人民医院、中南大学湘雅二医院桂林医院、桂林市社会福利医院、桂林市七星区科技企业发展中心、深圳挚硕计算机技术有限公司、中国人民解放军南部战区总医院、昆明理工大学、广西人工智能学会、广西壮族自治区南溪山医院、杰创智能股份有限公司、广西医科大学第二附属医院、桂林市中医医院、灵川县妇幼保健院、长沙东彦文信息科技有限公司、阳朔县人民医院、灵川县人民医院、浙江飞图影像科技有限公司、桂林理工大学等共29个起草单位及主要起草人72人进行进一步调研讨论，数据采集等相关工作，开展人工智能实验室研究，人工智能模型建立，临床专家验证，并实际征求意见，通过收集反馈了大量意见，标准编制工作组多次进行交流讨论，对标准草案进行了反复修改。进一步讨论完善标准草案，形成团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》（征求意见稿）和（征求意见稿）编制说明。调研讨论相关图片四、制定标准的原则和依据与现行法律、法规的关系以及有关国家标准、行业标准的协调情况（一）编制原则1.实用性原则本文件是在充分收集相关资料和文献，分析早期非小细胞肺癌术后复发人工智能预测技术当前现状，在现有相关早期非小细胞肺癌术后复发人工智能预测技术要求的基础上，结合编制单位多年相关经验而总结起草的，符合当前早期非小细胞肺癌术后复发人工智能预测技术发展的方向，具有较强的实用性和可操作性。2.协调性原则本文件编写过程中注意了与早期非小细胞肺癌术后复发人工智能预测技术相关法律法规的协调问题，在内容上与现行法律法规、标准协调一致。3.规范性原则本文件严格参照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》编写本标准的内容，保证标准的编写质量。4.前瞻性原则本文件在兼顾当前区内早期非小细胞肺癌术后复发人工智能预测技术现实情况的同时，还考虑到了早期非小细胞肺癌术后复发人工智能预测技术快速发展的趋势和需要，在标准中体现了个别特色性、前瞻性和先进性条款，作为对早期非小细胞肺癌术后复发人工智能预测技术的指导。（二）编制依据本标准严格按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规则起草，标准主要内容参考相关标准文件并结合起草单位多年的相关经验和实践验证情况总结进行起草。（三）与现行法律、法规的关系，与有关国家标准、行业标准的协调情况本编制工作组承诺本标准内容与各项指标不违反相关法律法规要求，且不低于国家强制性标准、推荐性国家标准和行业标准要求。经查新，国内未有《早期非小细胞肺癌术后复发人工智能预测技术规范》标准，与“非小细胞肺癌”“人工智能预测”相关的标准有：《T/GXAS847—2024 非小细胞肺癌免疫检查点抑制剂相关性肺炎诊治规范》《T/SBIAORG001—2024 早期非小细胞肺癌体部立体定向放射治疗呼吸门控技术运动管理标准》《T/GRHA0001—2024 基于FFPE样本的非小细胞肺癌相关基因突变高通量测序检测方法》《T/CACM1613—2024 非小细胞肺癌中西医结合诊疗指南》《DB14/T3445—2025人工智能电离层电子总含量（TEC）预测技术应用指南》等。上述标准是针对非小细胞肺癌免疫检查点抑制剂相关性肺炎诊治、基因突变高通量测序检测方法等方面技术的，均未涉及早期非小细胞肺癌术后复发人工智能预测技术，无法指导早期非小细胞肺癌术后复发的人工智能预测，制定团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》具有创新性和紧迫性。五、主要条款的说明团体标准《早期非小细胞肺癌术后复发人工智能预测技术规范》的主要章节内容包括术语定义、缩略语、多模态数据要求、数据采集与处理、数据特征提取、数据多模态特征融合、预测模型构建与验证、预测结果表达。本文件主要内容及依据来源说明如下：本标准的制定建立在起草单位长期积累的科研基础、临床数据资源和多学科协作经验之上，各项技术条款的形成均有扎实的前期工作支撑。本标准核心内容源于桂林电子科技大学人工智能学院潘细朋教授团队承担的博士后科学基金面上课题《基于CT影像和病理WSI精准预测早期非小细胞肺癌术后复发风险的研究》。该团队在医学影像处理领域持续深耕，获国家发明专利《基于线上噪声抑制策略的弱监督病理图像组织分割方法》等3项，2022年获八桂人工智能科学技术奖自然类一等奖。相关成果《非小细胞肺癌多模态医学影像智能处理及预后预测》在2025年广西壮族自治区人民政府主办的数智健康创新应用大赛中获得未来医疗创新新星火奖。这些科研成果为本标准“数据特征提取”和“数据多模态特征融合”中关于弱监督分割算法、多模态融合策略等技术条款的确定，提供了直接的方法学依据和实验验证基础，桂林电子科技大学团队在标准研发过程中另有创新方法和技术，进一步提高了科技含金量。2026年3月，桂林第三人民医院已申报通过了广西继续医学教育项目《AI赋能，标准领航卫生健康行业高质量发展培训班》，将面向全区各级各类医疗卫生机构，医疗卫生有关学（协）会、医学院校师生等开展标准化相关培训。另外，根据研发过程中发现的新方法和新技术，第一起草单位桂林市第三人民医院第一起草人及项目负责人朱飞艳已进一步申报2026年广西卫生健康领域自筹经费科研相关课题。此外，标准起草组依托广西区内多家医疗机构的临床资源，开展了大规模的多家医疗机构联合收集数据与验证工作。通过第一批数据收集广西中医药大学第一附属医院、中南大学湘雅二院桂林医院、钦州市中医医院、广西壮族自治区桂东人民医院等多家医疗机构的早期非小细胞肺癌病例几万例，成功筛选符合条件的186例，涵盖术前CT影像、术后病理全视野数字化切片（WSI）及完整的临床随访信息。验证结果显示，基于多模态特征融合的AI预测模型在区分术后复发风险方面表现良好，模型稳定性和泛化能力达到预期指标，这些验证工作为本标准“预测模型构建与验证”中关于内部验证、多中心外部验证、时间划分验证等条款的设定，提供了坚实的实践依据和数据支撑。根据验证结果和科研需要，将逐步进行数据加量收集和验证，不断完善和提高科研成果质量和精准率。本标准起草团队由桂林市第三人民医院牵头组织协调和数据整合，汇聚了高校人工智能专家、临床医学专家、病理学专家、医学影像专家、信息技术、新闻媒体、高新科技企业等专家，形成了“医工融合”的协同创新模式。桂林电子科技大学计算机与信息安全学院负责AI算法研发，中南大学湘雅二院桂林医院、广西中医药大学第一附属医院、广西壮族自治区南溪山医院、广西壮族自治区桂东医院、钦州市中医医院、桂林市人民医院、全州县人民医院、灵山县人民医院等军地、区内外各大小公立和民营医疗卫生机构负责数据采集整理、病例筛选、数据标注和临床验证等，这一多单位、多学科协作机制在国内也属罕见，确保本标准各项条款既能体现技术前沿性，又能贴合临床实际需求。桂林理工大学人工智能学院团队、中国人民解放军南部战区总医院等单位专家团队不断提出宝贵意见，让标准达到理想化。（一）术语和定义早期非小细胞肺癌术后复发：主要结合肿瘤学、胸外科学及医学影像学领域的权威标准和共识进行总结明确，定义中关于“早期”的界定，依据了国际通用的肿瘤-淋巴结-转移（TNM）分期系统，具体参考了（AJCC癌症分期系统第8版）中对非小细胞肺癌的病理分期标准，确保术语所指代的患者人群具有明确的临床边界；定义中“根治性手术治疗”及其列举的术式（如肺叶切除），依据参考文献（NCCN非小细胞肺癌指南2021版）中关于早期可切除肺癌的标准治疗路径，符合国内外主流临床诊疗规范。定义中对复发部位（原发部位、区域淋巴结、远处器官）的描述，参考了参考文献（UramotoH等关于NSCLC术后复发的研究）中关于复发模式的分类，并融合了影像学及病理学对肿瘤新发病灶的判定共识。该定义明确了“无疾病状态”后出现新病灶的时序关系，确保了术语在后续技术指标中的一致性。综合以上，明确其定义为：对依据临床病理特征及TNM分期系统界定的早期NSCLC患者，在接受肺叶切除、全肺切除等根治性手术治疗后，经过一段时间的无疾病状态，肿瘤在原发部位（如肺部手术区域）、区域淋巴结或身体其他远处器官再次出现癌细胞生长或形成新肿瘤病灶的症状。（二）缩略语为使本标准技术内容更紧凑、易读，本文件明确了下列缩略语：AI：人工智能（ArtificialIntelligence）CT：计算机断层扫描（ComputedTomography）DICOM：医学数字成像和通信（DigitalImagingandCommunicationsinMedicine）H&E：苏木精-伊红染色（HematoxylinandEosinStaining）ICD-9：国际疾病分类第9版（InternationalClassificationofDiseases9thRevision）ICD-10：国际疾病分类第10版（InternationalClassificationofDiseases10thRevision）IHC：免疫组化（Immunohistochemistry）LASSO：最小绝对收缩和选择算子（LeastAbsoluteShrinkageandSelectionOperator）LesionMix：病灶混合（LesionMix）NSCLC：非小细胞肺癌（Non-SmallCellLungCancer）TNM：肿瘤-淋巴结-转移分期（TumorNodeMetastasis）TILs：肿瘤浸润淋巴细胞（Tumor-InfiltratingLymphocytes）WSI：全视野数字化切片（WholeSlideImage）（三）多模态数据要求主要规定了构建预测模型所需的多模态数据要求，包括CT影像、病理图像及临床数据主要依据医学影像技术标准、临床诊疗指南、病理诊断共识、人工智能数据治理规范等，确保输入AI模型的数据在源头上具备高质量、高标准和高临床相关性。CT影像数据：CT影像是提取影像组学特征、反映肿瘤整体异质性的核心数据源，各项要求旨在保证影像数据的标准化、可重复性和互操作性。首先，明确了CT扫描的层厚、层间距、管电压、管电流等关键参数。这一规定的依据在于，影像组学研究的开创性工作已充分证实，CT扫描参数是影响影像特征稳定性和可重复性的关键因素。GilliesRJ[1]等关于影像组学的经典论述明确指出，影像不仅仅是图像，更是可挖掘的数据，而数据的可比性建立在统一的采集协议之上。BiWL[2]等关于癌症影像AI的综述和AertsHJWL[3]等关于影像组学解码肿瘤表型的研究均强调，在多中心研究中，必须记录并尽可能标准化扫描参数，以消除因设备或采集协议差异引入的混杂变量，确保后续特征提取和模型训练的可靠性。其次，明确数据格式应符合DICOM标准格式，包含完整的患者相关元数据（去标识化处理后）。这一要求主要依据DICOM3.0国际标准，该标准是医学影像领域全球通用的数据交换和通信协议。遵循DICOM格式，确保了不同厂商设备、不同医疗机构系统间的影像数据能够无障碍流通和解析。同时，保留完整的元数据（如患者体位、采集时间、设备型号等）并在去标识化后使用，既为特征提取提供了必要的影像采集背景信息，又符合后续数据处理的安全要求。同时，还明确影像应无明显伪影、噪声干扰，病灶区域清晰可辨，并应对数据进行脱敏处理，因为图像质量直接影响深度学习模型对病灶的识别和特征提取精度，低质量图像会导致模型性能显著下降，对患者数据进行脱敏处理（去标识化）是《中华人民共和国个人信息保护法》《中华人民共和国网络安全法》以及医疗数据管理等相关法规的强制性要求，是保障患者隐私和数据安全的基本前提。记录扫描类型（平扫或增强）及对应层厚参数，该要求主要依据HuangY[4]等关于早期NSCLC影像组学标签预测无病生存期的研究，该研究在多中心数据收集中特别强调，是否使用造影剂（即平扫与增强）会显著影响影像组学特征的数值分布和预后价值。因此，明确记录扫描类型，是在模型构建和验证过程中控制这一关键混杂因素的必要前提。病理数据：病理图像是揭示肿瘤微观形态、细胞特征及肿瘤微环境的金标准数据源，各项要求旨在保证病理数据的诊断质量、数字化精度和标注规范性。（1）对于“病理切片应规范制作，H&E染色、IHC染色切片质量符合病理诊断标准”的这一规定，主要依据《临床技术操作规范·病理学分册》及全国病理质控中心的相关要求，明确了病理切片制作和染色的质量控制标准。同时，BrambillaE[5]等关于肿瘤浸润淋巴细胞在NSCLC中预后效应的研究）和CorredorG[6]关于TILs空间分布预测NSCLC复发的研究均明确指出，此类研究的前提是使用高质量的H&E染色切片，以确保对细胞形态和TILs的准确识别。（2）对于“WSI分辨率应不低于20倍物镜对应的扫描分辨率，图像无模糊、污染等问题。”这一要求，则主要依据数字病理深度学习的相关研究，CoudrayN[7]等基于深度学习进行NSCLC分类和突变预测的研究和YooSY[8]等基于WSI分析结直肠癌肿瘤免疫微环境的研究均采用20倍或更高倍率的扫描分辨率，证实该级别分辨率足以支撑对细胞核、腺体结构及TILs等微观结构的识别与分析，是实现后续病理特征自动提取的技术门槛。（3）对于“应包含病理医生对肿瘤区域、腺体、细胞核、TILs等关键结构的标注信息，且数据标注应符合YY/T1833.3的要求”的规定，YY/T1833.3《人工智能医疗器械质量要求和评价第3部分：数据标注通用要求》对医疗AI训练数据的标注流程、标注人员资质、标注质量评估等提出了明确规范。遵守该标准，确保了病理标注结果的权威性、一致性和可追溯性，是AI模型能够学习到真实病理特征的根本保障。（4）对于“应包含一系列具体的病理学特征信息，包括病理定性诊断、病理类型、分化程度、脏层胸膜受累情况、脉管癌栓、神经束膜侵犯及切缘状态。”这一规定，主要依据来源于国际权威的临床指南和分期系统。NCCN非小细胞肺癌指南和AJCC癌症分期系统第8版明确指出，上述病理特征均是经过大规模临床验证的独立预后因素，直接与患者的复发风险和生存结局相关。将这些特征纳入数据采集范围，旨在使AI模型的输入不仅包含图像原始像素，更融合了具有明确临床意义的病理学先验知识。临床数据采集范围：临床数据提供了患者的整体背景、治疗经过和长期结局，是连接微观病理特征与宏观临床转归的桥梁，旨在确保临床数据的完整性、结构化和预后相关性。规定了要求采集的患者基本信息、治疗信息、手术信息、TNM分期情况及随访信息，TNM分期的采集直接依据为AJCC癌症分期系统第8版，这是全球通用的肿瘤分期金标准，是界定“早期”患者和评估预后的基石。治疗和手术信息的采集则是依据NCCN指南，该指南详细描述了早期NSCLC的标准治疗路径，记录是否接受辅助治疗、具体手术方式等，对于评估复发风险至关重要。随访信息中关于术后复发时间、复发部位、生存状态的要求，则依据UramotoH[9]等关于NSCLC术后复发模式的研究，该研究明确了复发的定义和分类模式，这些信息作为AI模型预测的终点标签，其准确性和完整性直接决定了模型预测能力的可信度。（四）临床数据采集与处理方法主要规定了构建预测模型所需多模态数据的采集方法和处理要求，涵盖从原始数据源识别、病例筛选、数据导出到数据清洗、标准化、增强及隐私保护的全流程，旨在确保进入AI模型的数据在源头上真实可靠、在质量上符合要求、在规模上满足训练需求。各项要求的确定依据具体说明如下：数据采集是构建高质量预测模型的基础环节，其核心目标是准确、完整地识别并获取符合研究目标的病例及其相关数据。（1）对于“从疾病和有关健康问题的国际统计分类查找”的规定，主要依据国际疾病分类（ICD-10）标准，该标准是世界卫生组织制定的国际统一的疾病分类方法，也是我国卫生健康统计和医保结算的法定分类标准。采用ICD-10编码进行初筛，可以确保病例识别的国际统一性和可比性，避免因临床诊断描述差异导致的漏检或误检。（2）对于“从国际疾病分类手术与操作查找”的规定，主要依据ICD-9-CM，这是我国医疗机构病案首页填写手术操作信息的标准编码体系。采用手术编码进行补充检索，可以与疾病编码形成交叉验证，确保筛选出的患者确实接受了根治性手术治疗。（3）对于“从病案首页初次查找”的规定，主要依据国家卫生健康委发布的《病案首页数据填写质量规范》及《全国医院信息化建设标准与规范》。病案首页是患者诊疗信息的核心摘要，包含诊断、手术、费用等关键字段。通过筛查包含病理和CT诊断费用的记录，可以快速锁定可能具有完整多模态数据的病例，再以电子病历详细记录进行参照核实，体现了多源数据交叉验证的质量控制思路。（4）对于“找相关科室（如肿瘤科、放射科、病理科等资深临床一线工作者）核实并筛选出符合条件病例及数据”的规定，主要依据多中心临床研究的最佳实践，临床一线工作者的参与，可以有效纠正编码错误、识别不符合入排标准的病例、确认数据的临床意义，是保证数据真实性的关键环节。（5）对于“从医院信息系统导出数据，全结构化电子病历或智慧医院平台筛选出符合条件病例采集数据。”的规定则是为大规模数据采集提供了技术可行性，并要求各参与单位及参与人进行伦理审查和报备。原始采集的数据往往存在质量参差不齐、格式不统一、样本量不足、涉及隐私等问题，必须经过规范的处理才能用于模型训练。因此，规定了（1）应去除质量不合格的数据（如模糊影像、破损切片）、重复数据及逻辑错误数据，因为低质量数据（如伪影严重的影像、破损脱色的切片）会导致模型学习到错误的特征，甚至完全失效。（2）应对CT影像数据进行灰度值归一化、分辨率统一等处理；对病理图像进行色彩校正、白平衡调整等标准化操作。灰度归一化是消除不同设备、不同采集参数导致的像素值差异的必要手段。对于病理图像，不同扫描仪、不同染色批次会导致颜色差异，色彩标准化是保证病理图像特征可比较性的前提。（3）应采用图像翻转、旋转、裁剪、LesionMix等数据增强技术扩充数据集，增强过程应保持病灶特征的完整性。因为数据增强在医学图像分析中的应用已得到广泛验证。LesionMix作为一种针对病灶区域的增强方法，其设计初衷是在扩充数据的同时保持病灶的病理学特征，增强操作必须保持病灶特征的完整性，即不能扭曲肿瘤的形态、大小等关键预后信息，这一限制条件确保了增强数据的临床合理性。（4）应对患者个人身份信息进行去标识化处理。因为医疗健康数据属于敏感个人信息，去标识化处理是开展医学研究、特别是多中心研究的基本前提，也是保障患者隐私权益和数据合规使用的底线要求。（五）数据特征提取在前期研究中，起草组围绕两个关键科学问题开展了系统探索：一是如何提取和筛选早期NSCLC的术前CT影像特征和手术病理WSI中细胞空间分布特征，从宏观和微观层面表征肿瘤微环境；二是如何融合CT影像特征、手术病理WSI的细胞空间分布特征及临床信息，构建早期NSCLC术后复发风险预测模型。通过对比多种深度学习架构、特征融合策略和特征筛选方法，逐步优化形成本标准所规范的技术路径。主要规定了从多模态数据中提取预测特征的技术要求，涵盖CT影像特征提取、病理图像特征提取及临床特征筛选三个核心环节。特征提取是连接原始数据与预测模型的桥梁，其目标是自动、准确、全面地量化与早期非小细胞肺癌术后复发相关的生物学信息，主要依据影像组学、数字病理学及医学统计学的前沿研究成果和技术共识等。各项要求的确定依据具体说明如下：CT影像特征提取旨在将定性的影像学表现转化为可量化的高维数据，以揭示肿瘤的异质性。标准明确了应基于nn-UNet深度学习框架构建非小细胞肺癌CT影像分割模型；提取影像组学特征，涵盖几何形态、纹理统计、小波变换高阶特征及Transformer提取的深度语义特征。主要基于以下考虑：nn-UNet是目前医学图像分割领域公认的先进框架，具有自适应性架构设计，广泛用于肿瘤分割任务，性能优越且易于复现。影像组学特征提取方法参考了国际影像组学研究的通用实践，包括形态、纹理、小波变换等经典特征类别。Transformer网络在医学图像分析中的引入，源于其在提取全局上下文特征方面的优势，适用于捕捉肿瘤异质性相关的高阶语义信息。病理图像特征提取旨在从全视野数字化切片中自动识别和量化肿瘤细胞、肿瘤微环境及组织结构的微观特征，标准主要明确了应采用弱监督分割算法实现肿瘤组织、腺体、细胞核、TILs等结构的自动分割；提取TILs密度、空间关系、多尺度纹理特征及深度学习高阶语义特征。主要基于以下考虑：弱监督分割方法在数字病理图像分析中广泛应用，能够减少对像素级标注的依赖，适应临床实际标注条件。TILs作为非小细胞肺癌预后相关的重要生物标志物，其密度、空间分布及与肿瘤细胞的互作关系已被多项研究证实与复发风险相关。多尺度纹理特征与深度学习特征提取方法符合当前计算病理学的主流技术路径。下图给出了病理图像分割的示意图。病理图像分割示意图临床特征筛选：旨在从众多潜在的临床变量中，识别出与术后复发真正相关的关键因素，去除冗余和噪声，为后续的多模态融合提供精炼的输入。因此，明确了采用单因素与多因素统计分析方法，筛选与术后复发显著相关的关键临床特征。单因素分析（如Cox比例风险回归模型对单个变量进行检验）是初步筛选候选预后因素的常用方法，能够快速评估每个临床特征与复发时间的关联强度。LASSO（最小绝对收缩和选择算子）回归是一种同时进行特征选择和正则化的方法，特别适用于高维数据场景。将单因素分析与LASSO回归结合使用，既考虑了临床特征的独立效应，又处理了特征间的共线性问题，是特征筛选的稳健方法。（六）数据多模态特征融合主要规定了将CT影像特征、病理图像特征及临床特征进行融合的技术要求。特征融合是多模态人工智能预测模型的核心环节，其目标是整合来自不同数据源的互补信息，克服单一模态信息的局限性，从而更全面、更准确地刻画早期非小细胞肺癌术后复发的复杂机制。主要依据多模态深度学习、医学信息融合及特征工程领域的前沿研究成果和技术共识。多模态融合方法：明确了采用交叉注意力、低秩交互融合等多模态融合方法，整合CT影像特征、病理特征及临床特征。多模态融合的核心挑战在于不同模态的数据具有异质的分布、尺度和语义信息，如何有效地捕捉模态间的交互关系是实现高质量融合的关键。而交叉注意力机制是近年来在多模态学习中广泛应用的先进技术，其基本原理是让一种模态的特征在另一种模态特征的指导下进行加权聚合，从而实现模态间的信息交互，结合影像与临床、基因组等多源信息的融合模型，其预测性能显著优于单一模态模型，而注意力机制是实现这种融合的有效技术路径。低秩交互融合则是另一种高效的多模态融合方法，其设计思想是将高维的模态间交互矩阵分解为低秩形式，在捕捉关键交互信息的同时大幅降低计算复杂度和过拟合风险。将CT影像特征（宏观结构信息）、病理特征（微观细胞信息）和临床特征（患者整体信息）三者融合，其根本依据在于肿瘤生物学行为的复杂性。肿瘤复发不仅取决于影像上可见的肿瘤形态，还与微观的细胞异质性、肿瘤免疫微环境以及患者的整体状况密切相关。多模态融合正是为了模拟临床医生综合多种信息进行决策的认知过程，是提升预测模型性能的关键技术策略。特征权重分配：规定了应考虑不同模态特征的权重分配，因为在多模态融合过程中，不同模态特征对于预测目标的贡献度往往存在差异。在多模态融合过程中，不同模态特征对于预测目标的贡献度往往存在差异，有效的多模态融合策略应当能够自适应地学习不同模态、不同特征的重要性权重，使模型聚焦于最具判别力的信息。注意力机制正是实现这一目标的核心技术，通过计算每个特征的注意力得分，实现对重要特征的高权重分配和对冗余特征的低权重抑制。这一设计模拟了临床医生在综合多种信息进行预后判断时，根据患者具体情况对不同类型信息赋予不同重视程度的认知过程，既体现了技术先进性，也符合临床决策逻辑。堆栈降噪自编码网络重构：明确了应采用堆栈降噪自编码网络对融合后的多维特征进行深度关联与重构。堆栈降噪自编码网络是一种经典的深度神经网络架构，其核心思想是通过向输入数据中添加噪声并训练网络重构原始无噪声数据，从而学习到鲁棒且具有代表性的特征表示。在多模态融合的语境下，不同模态的特征可能各自带有噪声或缺失，通过堆栈降噪自编码网络的逐层学习和重构，可以在更高层次上整合模态间的关联信息，过滤掉无关噪声，同时挖掘出跨模态的共享表示和互补模式，为后续预测模型提供更优质的输入。特征降维与筛选：规定了综合运用机器学习方法与统计学模型对高维融合特征进行降维与筛选。经过多模态融合后的特征维度可能仍然较高，其中不可避免地包含冗余特征和噪声特征。如果不加以筛选，不仅会增加模型的计算负担，更严重的是可能导致过拟合，使模型在新数据上的泛化能力下降。采用标准化的特征降维和筛选流程，通过多种统计方法和机器学习方法的组合，可筛选出最具预测价值的特征组合。影像组学标签构建：规定了通过LASSO回归、随机森林等方法评估特征重要性，结合统计学检验筛选核心特征，构建影像组学标签。构建“影像组学标签”是特征筛选流程的核心产出，它并非单个特征，而是一个由多个精选特征通过特定数学模型组合而成的综合指数，能够简洁、有效地量化患者的复发风险。LASSO回归通过L1正则化能够将冗余特征的系数压缩为零，实现特征筛选；随机森林则通过特征重要性评分评估各特征的贡献度。两种方法结合使用，既能处理特征间的共线性问题，又能提供稳健的特征重要性排序，是构建高质量影像组学标签的成熟技术路线。（七）预测模型构建与验证主要规定了人工智能预测模型的构建方法与验证要求，涵盖模型架构选择、超参数优化、内部验证、外部验证以及临床专家验证的全流程。各项要求的确定依据具体说明如下：模型架构选择：明确了基于深度学习和机器学习构建非小细胞肺癌复发风险预测模型。已有研究指出深度神经网络能够自动学习多层次的抽象特征，在预后预测任务中展现出显著优势，而机器学习模型（如逻辑回归、支持向量机等）因其可解释性强、计算效率高，在实际临床应用中仍具有重要价值。本条款兼顾两种技术路径，为不同应用场景提供了灵活选择。超参数优化：规定了基于筛选后的特征构建逻辑回归、支持向量机、梯度提升树等模型，构建基于多层感知机和Transformer的预测网络，并采用贝叶斯优化算法对模型超参数进行全局寻优。贝叶斯优化是一种高效的全局优化算法，能够在较少的迭代次数内找到最优的超参数组合，相比网格搜索和随机搜索具有更高的效率和更好的优化效果。在医学预测模型构建中，超参数的选择直接影响模型的泛化性能和稳定性，将贝叶斯优化作为超参数优化的标准方法，体现了对模型性能的严格要求。内部验证：规定了应采用k折交叉验证（k≥5）方法在训练集和验证集上对模型进行内部验证，评估模型的稳定性和性能。k折交叉验证通过将数据随机分为k个子集，轮流将其中k-1份作为训练集、1份作为验证集，能够充分利用有限数据评估模型的稳定性和泛化能力。k≥5的要求确保了验证结果的可靠性，同时平衡了计算成本和估计偏差。外部验证：明确了应在不少于3个中心的独立测试集上进行外部验证，验证模型的泛化能力。这一规定的依据来源于医学预测模型开发和报告的国际指南以及多中心研究的共识要求。TRIPOD-AI（TransparentReportingofamultivariablepredictionmodelforIndividualPrognosisOrDiagnosis–ArtificialIntelligence）指南明确将外部验证作为预测模型报告的核心要素，强调仅在开发数据集上评估性能会导致过度乐观的估计，无法反映模型在真实临床环境中的表现。多中心外部验证（≥3个中心）的要求进一步强化了对泛化能力的检验，能够评估模型在不同地理区域、不同患者人群、不同数据采集设备上的稳定性和可推广性。模型优化：规定应根据验证结果，调整模型参数、特征组合或融合策略，优化模型性能，直至达到预设的性能指标。模型开发并非一次性过程，而是基于验证反馈持续改进的循环，依据验证反馈进行迭代优化是构建高性能预测模型的必要环节。时间划分验证：规定了病例数据按时间划分为模型构建数据集和独立验证数据集，再使用独立验证数据集和合作单位数据集对构建的模型进行验证和优化。这一规定的依据在于避免前瞻性偏倚的研究设计原则。与随机划分不同，按时间划分验证能够模拟模型在未来患者中的应用场景，评估模型在时间维度上的稳定性。如果模型在较早时间段的数据上训练，在较晚时间段的数据上验证仍能保持良好性能，则说明模型具有一定的前瞻预测能力，对临床实践具有更强的指导意义。临床专家验证：规定了应由临床专家使用itk-snap对模型分割结果进行人工验证与校正，重点针对AI识别不清或边界模糊的病例进行复核与修正。这一规定的依据来源于人工智能医疗器械评价的临床共识。itk-snap是医学图像分割领域广泛使用的开源软件，具有操作便捷、可视化效果好、支持多种格式等优势。AI模型自动分割的肿瘤病灶边界可能在某些复杂病例中存在误差，必须由临床专家进行复核校正，以确保分割结果的准确性，从而保证后续特征提取和预测的可靠性。这一要求体现了“人机协同”的核心理念，既发挥AI的高效性，又发挥临床专家的专业判断力。此外，还明确了应由2名以上从事临床呼吸、肿瘤、胸外科或医学影像等专科诊疗及术后管理工作满5年的专家，在互不交流且对模型分割结果的生成逻辑不知情的双盲条件下，依据肺癌病灶临床勾画指南，对模型自动分割结果进行逐层人工校正。双盲独立评估机制能够有效避免评估偏倚，确保评价结果的客观性。专家年限（满5年）的要求体现了对临床经验的基本保障。戴斯相似系数、杰卡德系数和平均表面距离是评价图像分割精度的国际公认指标，分别从体积重叠度和边界吻合度两个维度量化分割效果。本条款将这些指标纳入标准，确保了对模型分割能力的客观、量化评价。同时，还应随机抽取十分之一具备完整随访结局的早期NSCLC患者病例作为验证样本，对所有样本进行匿名化处理，并隐藏模型预测结果与患者复发结局。由2名以上从事临床呼吸、肿瘤、胸外科或医学影像等专科诊疗及术后管理工作满5年的专家，依据临床常规可获得的患者基线资料、CT影像报告及病理诊断报告，独立对每例患者进行术后复发风险分级（低危、中危、高危）。完成所有病例分级后，将专家分级结果与多模态融合预测模型输出的风险分级结果进行对照分析。这一规定的依据来源于人工智能预测模型的临床验证规范。临床专家验证是评估AI模型临床实用价值的金标准。通过将模型预测结果与临床专家的风险分级进行对比分析，可以客观评估模型预测结果与临床判断的一致性。样本抽取比例（十分之一）参考了临床验证的常见实践，既保证足够的统计效力，又控制验证工作量。双盲设计和匿名化处理确保了评估过程的客观性，避免了信息偏倚。专家独立评估的设计，模拟了真实临床环境中多位专家会诊的决策过程，能够更全面地反映模型的临床适用性。（八）预测结果表达主要规定了人工智能预测模型输出结果的形式要求及应用推广原则，涵盖风险等级划分、复发概率输出以及标准的持续优化与推广应用，主要依据临床决策支持系统的设计原则、风险分层的临床实践共识等。各项要求的确定依据具体说明如下：风险等级与概率输出：明确了将待预测患者的多模态数据进行预处理、特征提取和融合后，输入训练优化后的AI模型，输出患者术后复发风险等级（低风险、中风险、高风险）及复发概率。主要依据临床决策支持系统的基本设计原则和肿瘤学风险分层的临床实