肺曲霉感染如何靠AI快速分诊？多中心多模态医学影像数据集PAC569的构建解读
无锡市人民医院团队在 Scientific Data 发布首个多中心、多模态肺真菌感染医学影像数据集 PAC569，整合中国 4 家医院 569 例患者的标准化胸部 CT 影像与结构化临床数据，用于区分肺曲霉感染、非曲霉真菌感染与非真菌感染，为肺部感染性疾病的 AI 分诊与精准医学提供了稀缺的公开基准资源。
研究背景：肺真菌感染为什么是AI分诊的“硬骨头”？
肺曲霉感染（Pulmonary Aspergillus Infection，PAI）、肺非曲霉真菌感染与肺非真菌感染，三者在影像上高度相似，但临床治疗方案与用药方向截然不同——抗真菌药选错、用错时机，直接关系到患者预后。
人工智能（AI）本可作为快速分诊的有力工具，却长期被一个瓶颈卡住：这一细分领域几乎没有公开可用的大规模、多中心数据集。现有研究多依赖小型、单中心、私有的数据，模型泛化能力差，研究也无法复现。
更关键的是，肺真菌感染的诊断不仅看影像，还要结合患者的宿主免疫状态（如淋巴细胞计数、D-二聚体等实验室指标）。影像数据与临床数据长期“两张皮”，缺乏一个把它们对齐起来的公开基准。 这正是这份医学影像数据集要填补的空白。
创新点：PAC569 如何把“影像+临床”第一次对齐？
无锡市人民医院团队联合多家机构，在 Scientific Data 上发布了 PAC569——首个专门面向肺真菌感染三分类的多中心、多模态公开数据集。
它的核心价值可以用一句话概括：首次把标准化胸部 CT 影像与关键宿主免疫临床变量整合进同一套可复现的基准中，让“看片”和“看化验单”这两条诊断线索真正合流。
数据集覆盖 中国 4 家医院的 569 名患者，三大类诊断标签齐备：
- 肺曲霉感染（PAI）：153 例；
- 肺非曲霉真菌感染（NAF）：209 例；
- 肺非真菌感染：207 例。
三类的刻意保留，是为了还原真实临床的异质性——现实中的分诊对象从来不是“曲霉 vs 健康”，而是混杂了多种病原体的复杂场景。
数据集构建方法：结构化医疗数据如何与影像对齐？
PAC569 的构建，关键不在于“收集了多少图”，而在于影像与结构化医疗数据能否逐例对齐、能否形成可复用的标准形态。
数据由两部分组成：
- 影像部分：NIfTI 格式的标准化容积胸部 CT 扫描——统一的体数据格式便于三维分析、分割与深度学习建模；
- 临床部分：经过整理的临床记录，包含确诊诊断标签、人口统计学信息，以及关键实验室变量（如淋巴细胞计数、D-二聚体等反映宿主免疫状态的指标）。
围绕这套数据，团队做了两项二元分类任务的技术验证：
- 任务一：真菌感染 vs 非真菌感染；
- 任务二：曲霉感染 vs 非曲霉感染。
同时引入三种分类模型做横向对比：基于临床变量的临床模型、基于 CT 图像的影像模型，以及结合二者的融合模型。
数据说话：一份数据如何同时服务三类研究？
PAC569 的技术验证通过受试者工作特征曲线（ROC）分析进行，以灵敏度、特异度、准确率及曲线下面积（AUC）作为核心指标报告。其价值不止于单一的“模型刷分”，而在于一份稀缺数据同时撬动了多条研究路线：
| 用途方向 | 说明 |
|---|---|
| AI 分类算法开发 | 提供多中心、多类别的真实基准，支撑鲁棒分类模型训练与评测 |
| 临床预测建模 | 探索年龄、合并症等宿主变量对感染预测的作用 |
| 影像组学（Radiomics）特征挖掘 | 从 CT 中挖掘可量化的影像标志物 |
| 侵入性干预决策研究 | 为“何时需要进一步侵入性诊断”提供数据支撑 |
| 放射学教育 | 作为真实病例的教学资源 |
数据集遵循 FAIR 原则开放，目前存放于国家基因组科学数据中心（NGDC）的 OMIX 平台（项目号 OMIX014539、BioProject PRJCA056427），采用受控访问方式供研究申请。
应用前景与局限
PAC569 最直接的意义，是给“肺部感染性疾病 AI 分诊”这条被数据卡住的赛道，补上了一块公开的地基：
- 打破数据孤岛：多中心来源 + 三分类标签，让模型有机会学到跨中心的泛化能力；
- 多模态融合落地：影像与临床变量的对齐，为“看片 + 看化验”的双通道诊断模型提供了可复现的输入；
- 推动精准医学：面向肺部感染性疾病的精准医学研究有了统一的参考基准。
局限同样要如实说明：
- 受控访问：出于患者隐私保护，数据并非无条件下载，需向 NGDC 提交申请并满足合规要求；
- 样本规模有限：569 例对传染病 AI 建模而言仍是起点，尤其稀有亚型的覆盖有待扩充；
- 地域集中：全部来自中国 4 家医院，跨地域、跨设备的泛化仍需进一步外部验证。
结论
肺真菌感染的分诊难题，根源不在“算法不够聪明”，而在缺少一份把影像与临床真正对齐的公开基准数据。PAC569 用 569 例患者、4 家医院、三分类标签和影像-临床双模态结构，把这件事往前推了一大步。
它的启示值得所有做医学影像数据集的人记住：一份高质量数据集的稀缺价值，往往不在于样本数量，而在于“多中心、多模态、可复现、标签与临床变量逐例对齐”这四点是否同时做到。 当影像数据与结构化医疗数据真正合流，AI 分诊才算有了可靠的地基。
相关问题
PAC569 这类医学影像数据集在哪里下载？
PAC569 数据存放于国家基因组科学数据中心（NGDC）的 OMIX 平台，项目号为 OMIX014539、BioProject 号为 PRJCA056427，采用受控访问（Controlled-access）方式管理。研究者需向数据平台提交申请，符合患者隐私与数据合规要求后方可获取，具体申请入口见论文的数据可用性声明（Data availability）与 DOI 10.1038/s41597-026-08398-3。
多模态医疗数据集相比单一影像数据集有什么优势？
单一影像数据集只提供图像，模型学不到患者的宿主免疫状态等临床背景；而像 PAC569 这样的多模态数据集，把胸部 CT 与淋巴细胞计数、D-二聚体等结构化临床变量逐例对齐。这种“看片 + 看化验单”的双通道信息，能让融合模型捕捉到单一模态无法表达的诊断线索，也更贴近真实临床决策。
肺真菌感染 AI 诊断的难点主要在哪？
难点主要有三：一是肺曲霉感染、非曲霉真菌感染与非真菌感染在 CT 影像上高度相似，纯影像难以区分；二是该领域长期缺乏公开的多中心、多模态基准数据，模型泛化与复现受限；三是诊断高度依赖宿主免疫状态等临床变量，仅靠影像会丢失关键信息，必须把影像与临床数据对齐建模。
| 论文标题 | A Multi-Center, Multi-Modal Chest CT and Clinical Dataset for Differentiating Pulmonary Aspergillus from Non-Aspergillus and Non-Fungal Infections（用于区分肺曲霉感染与非曲霉/非真菌感染的多中心多模态胸部CT与临床数据集） |
| 作者 | Qijun Yu、Wenxue Xu、Min Tao、Zhen Li、Lei Shi、Xuchen Shen、Lin Ling、Qinghua Kong、Chu Qin、Haoda Yu |
| 机构 | 无锡市人民医院（Wuxi People's Hospital）等；受无锡市卫生健康委青年项目、无锡市科技局、南京医科大学无锡医学中心临床试验计划资助 |
| 期刊 | Scientific Data（Nature Portfolio） |
| 发表时间 | 2026-09-28 在线发表 |
| DOI | 10.1038/s41597-026-08398-3 |
| 许可协议 | CC BY-NC-ND 4.0（开放获取） |
论文原文信息地址：https://www.simodata.cn/blog/2026-10-02-pac569-pulmonary-aspergillus/
参考文献
- Yu Q, Xu W, Tao M, Li Z, Shi L, Shen X, Ling L, Kong Q, Qin C, Yu H. A Multi-Center, Multi-Modal Chest CT and Clinical Dataset for Differentiating Pulmonary Aspergillus from Non-Aspergillus and Non-Fungal Infections. Scientific Data, 2026. DOI: 10.1038/s41597-026-08398-3