目的现今,肺癌已成为发生率与病死率增速最快、最显著危及人类健康与生命的恶性肿瘤。肺癌发病年龄也在逐年降低,目前我国75%的肺癌患者年龄在45～65岁之间。肺癌早期症状较为隐匿,不具有特异性,前期可无明显症状,因此年轻人群的肺癌检出主要是靠影像学肺癌筛查。就此,本文以医院职工人群肺癌筛查结果为切入点,以该社区人群为代表窥探在肺癌普查的情况下当代中国人群肺癌的真实发病率,并通过收集调查问卷,监测区域内大气空气质量,监测电离辐射职业暴露作为评价医院工作环境和正常社区生活环境差异的方法,并尝试分析在日常生活和工作环境之中的肺癌发病风险因子。我们还将通过机器学习和深度学习的方法,计算多次随访的影像学特征和肺小结节病理及浸润程度之间的相关性,包括放射学（如CT值、影像特征与肺癌病理类型的相关性）、计算机视觉（如定量特征提取动态分析随访过程中的小结节微进展）和机器学习（如肺小结节良恶性及浸润程度分类评估）。中心目标是构建一个无创高效且经济的肺小结节术前病理预测模型,区分惰性缓慢和快速进展的结节类型,纠正影像科医生或外科医生的过度诊断和过度治疗,同时可以精准识别高风险高度恶性的肺小结节从而达到早诊早治,将肺癌扼杀在早期,提高肺癌患者的治愈率和生存率。方法选取2019年1月至2022年3月于广东省人民医院进行低剂量CT肺癌筛查的2552位年龄≥40岁的职工作为研究对象,记录受检者的筛查结果和影像DICOM资料,通过影像学专家排查出的可疑肺小结节,交给胸外科制定随访或手术策略,胸外科根据NCCN肺小结节处理指南及综合患者意愿对可疑肺癌职工进行手术和定期随访,手术后患者的病理结果会被记录,根据病理分型及浸润程度分层,作为分组依据纳入人工智能良恶性及浸润程度预测模型。对筛查结果阴性、结节随访患者、肺癌确诊患者进行分层抽样的方法进行问卷调查,调查内容包括既往史、吸烟史、工作环境、生活环境、饮食作息、睡眠锻炼、心理健康等,并分析肺癌相关危险因素。同时在医院区域环境内布设大气空气质量监测仪,每10000m~2办公区设置一枚,全院24枚,7×24h监测,根据监测结果绘制粉尘浓度等高地形图,比较院内区域空气质量与城市整体空气治疗的差异,分析办公区域肺癌发病率与办公区空气质量的相关性。另外,收集电离辐射职业暴露风险的职工进行定量辐射监测,分析院内工作环境的放射剂量安全情况以及射线暴露所带来的肺癌致病风险。最后综合以上因素,使用深度学习（Deep learning）结合机器学习（Machine learning）的方法,构建基于动态随访CT体素时空特征变化的计算机视觉可视化肺小结节模型。结果共有2552位年龄≥40的员工参与肺癌筛查,发现可疑肺结节233例,随访跟踪124例,手术切除109例,其中病理确认为肺癌的有103例,估算本院40岁以上职工肺癌发病率为103/2552=4.0%。医生、护理人员、医技人员、行政人员、后勤人员之间的职业发病率对比未见显著性差异（p=0.184）。女性职工肺癌发病率显著高于男性（4.7%vs2.4%p=0.02）。随着年龄增大和结节CT值密度增加,结节的浸润程度增加。PM2.5在医院办公区域内与城市平均值无明显差异（P＞0.05）,未见院内粉尘浓度分布与办公区域间的发病率相关性;职工电离辐射的暴露剂量均在中国放射卫生防护基本标准（GB-4792-84）规定的安全范围内,辐射定量未见与肺癌发病率相关性（P＞0.05）。动态随访CT体素时空特征变化的计算机视觉模型受试者工作特征曲线下面积为0.894±0.044,良恶性的敏感度为88.2%,特异性为87.1%,具有良好的性能,可协助临床对疑难肺结节的诊断与管理。结论高筛查率带来了肺癌的高发病率和高假阳性率,目前基于小样本的肺癌风险因子分析无法发现导致肺癌的直接原因,但随着肺小结节的检出量日益增高,建立一个高效的病理预测模型有助于辅助临床医生诊治并符合卫生经济学需求。基于动态随访CT体素时空特征变化的计算机视觉可视化肺小结节模型可有效识别出短期内高概率进展的高风险结节,对早期肺癌的手术和随访决策有一定的辅助作用,达到更精准的早诊早治。