据德国弗劳恩霍夫协会2025年6月2日消息，弗劳恩霍夫数字医学研究所（MEVIS）开发了一种基于深度学习的软件，可以更快、更准确地在计算机断层扫描（CT）图像中识别疾病和治疗相关的肿瘤变化，从而提高康复的机会，使日常临床实践更加轻松。

该软件通过对比患者CT影像与最新扫描数据建立解剖结构对应关系。其核心难点在于：同一受检者的两次影像虽相似却存在差异——这既可能源于扫描时的呼吸状态变化，也可能是治疗引发的体重波动所致。为了克服这一难点，研究人员引入了深度学习算法，并优化了神经网络架构，从而实现速度更快、精确度更高的结构对比。实验结果显示，相比传统技术，该软件能多识别11%的肿瘤病灶，且处理时间缩短至0.1秒以内。

这项技术可直接集成并应用于现有的临床基础设施。目前，该技术已经在日常临床实践中完成了测试和评估，即将投入实际应用。未来，研究人员计划将该技术扩展至全身范围的检测。

信息来源：

https://www.fraunhofer.de/en/press/research-news/2025/june-2025/using-artificial-intelligence-to-detect-changes-in-lung-tumors.html