目的：探究整合影像组学、临床数据与液体活检三类信息，搭建多模态动态人工智能（Artificial Intelligence，AI）模型，同时开发配套轻量化算法，验证该模型在多层螺旋 CT（Multi-slice Spiral CT，MSCT）肺癌早期筛查中的诊断表现。方法：前瞻性选取 2025 年 6 月到2026 年 12 月某三甲医院与两家县级医院收治的 260 例肺癌疑似病例，诊断金标准统一采用病理诊断结果，所有入组患者均完成 MSCT 检查，同步收集对应临床风险因素、循环肿瘤细胞（Circulating tumor cells，CTC）两类数据，良恶性判别环节分两组开展，对照组用单一影像 AI模型，实验组用多模态动态融合 AI 模型。两组的诊断指标对照范围包括准确度、灵敏度、特异度、阳性预测值、阴性预测值，以及受试者工作特征曲线下面积（Area under the curve，AUC），轻量化模型的推理速度、内存占用两项指标，统一在低配置计算设备上完成测试。结果：多模态融合模型诊断准确度达 92.31%（240/260），比单一影像模型的 80.77%（210/260）更高，组间差异 P<0.01，该模型灵敏度、特异度分别为 94.44%、89.47%，两项指标均高于对照组对应的 84.44%、76.32%。多模态模型 AUC 为 0.96（95%CI: 0.93–0.98），对照组 AUC 为 0.86（95%CI: 0.82–0.90），轻量化模型在低配 GPU 上单次推理耗时 0.8 秒，内存占用为 45MB，两项数值均低于传统模型的 4.2 秒、210MB，组间差异 P<0.05。结论：多模态动态融合 AI 与 MSCT 联用，可提升肺癌早期筛查的诊断准确性，轻量化设计适配基层医院现有设备，可在基层场景推广应用。