Hepatozelluläres Karzinom (HCC), weltweit die dritthäufigste Todesursache durch Krebserkrankungen, erfordert dringend Verbesserungen in der Früherkennung, um die Überlebensrate der Patienten zu steigern. Obwohl Ultraschall aufgrund seiner Kosteneffizienz und Echtzeitfähigkeit weiterhin die bevorzugte Screening-Methode bleibt, hängt seine Sensitivität (59 %–78 %) stark von der fachlichen Expertise der Radiologen ab, was zu inkonsistenten diagnostischen Ergebnissen und operativen Ineffizienzen führt. Kürzlich erzielte Fortschritte in der KI-Technologie bieten vielversprechende Lösungen, um diese Lücke zu schließen. Diese Studie stellt den Hierarchical Sparse Query Transformer (HSQformer) vor, eine neuartige hybride Architektur, die die lokale Merkmalsextraktion von Convolutional Neural Networks (CNNs) mit der globalen Kontextbewusstheit von Vision Transformers durch latente Raumrepräsentation und sparsames Lernen synergistisch verbindet. Durch dynamische Aktivierung von aufgabenbezogenen Spezialisten mittels eines Mixture-of-Experts (MoE)-Frameworks erreicht der HSQformer eine hierarchische Merkmalsintegration ohne strukturelle Redundanz. Die Evaluierung an drei klinischen Szenarien – einzentrisch, mehrzentrisch und bei Hochrisikopatienten – zeigt, dass der HSQformer state-of-the-art-Modelle übertrifft (z. B. 95,38 % AUC bei mehrzentrischer Testung) und die diagnostische Genauigkeit seniorer Radiologen erreicht, während er die Leistung junger Kollegen erheblich übertrifft. Diese Ergebnisse unterstreichen das Potenzial von KI-gestützten Werkzeugen, die HCC-Screening-Standardisierung zu fördern, die Abhängigkeit von menschlicher Expertise zu verringern und die Rate der frühen Diagnose zu erhöhen. Der vollständige Quellcode ist unter https://github.com/Asunatan/HSQformer verfügbar.