发布时间：2023/1/29

来自麻省理工学院 (MIT) 的研究人员开发了一种深度学习 (DL) 工具，可以预测六年内有或没有显着吸烟史的个人患肺癌的风险。

美国疾病控制与预防中心 (CDC) 报告称，肺癌是美国第三大最常见的癌症，死于肺癌的人数比其他任何类型的癌症都要多。 根据发表在《临床肿瘤学杂志》上的描述该工具的研究，这种趋势部分是由于非吸烟者肺癌发病率的增加。

研究人员解释说，建议对 50 至 80 岁有明显吸烟史或目前吸烟的人进行低剂量胸部计算机断层扫描 (LDCT) 筛查，并指出使用 LDCT 进行肺癌筛查已被证明可以减少死于 肺癌高达 24%。

然而，尽管非吸烟者的风险增加，但不符合这些指南的筛查条件，因此需要更广泛的筛查方法。 为了弥合这一差距，研究人员开发了 Sybil，这是一种旨在分析 LDCT 扫描并预测有和没有吸烟史的人群患肺癌风险的工具。

“从不吸烟或多年不吸烟的人群中，肺癌发病率持续上升，这表明导致肺癌风险的风险因素有很多，其中一些目前尚不清楚，”通讯作者莱西亚·塞奎斯特医学博士说 ，早期癌症检测创新中心主任和麻省综合癌症中心肺癌内科肿瘤学家，在新闻稿中。 “我们开发了一种工具，可以使用图像来观察集体生物学并预测癌症风险，而不是评估个体环境或遗传风险因素。”

新闻稿指出，美国预防服务工作组建议每年对 50 岁以上、有 20 包年历史且目前吸烟或在过去 15 年内戒烟的人进行 LDCT。 然而，每年只有不到 10% 符合这些标准的患者接受筛查。 研究团队旨在利用Sybil提高肺癌筛查的效率并提供个体化评估。

“Sybil 只需要一个 LDCT，不依赖于临床数据或放射科医生的注释，”共同作者、马萨诸塞州总医院胸部影像与介入科放射科医学博士弗洛里安·芬特尔曼在新闻稿中说。 “它被设计为在标准放射读取站的后台实时运行，从而支持即时临床决策支持。”

根据新闻稿，Sybil 是使用国家肺部筛查试验 (NLST) 的数据开发的，并使用三个独立的数据集进行了验证：该工具以前从未见过的 6,000 多名 NLST 参与者的扫描； 来自麻省总医院 (MGH) 的 8,821 个 LDCT； 以及来自台湾长庚纪念医院的 12,280 台 LDCT。 根据这项研究，这些数据对具有一系列吸烟史的人进行了抽样，包括那些从不吸烟的人。

通过使用曲线下面积 (AUC) 测量 Sybil 的准确性，研究人员发现该工具可以在一到六年内预测肺癌风险，AUC 是一种测试区分疾病和正常样本的能力。

该工具在一年内预测癌症，额外的 NLST 参与者的 AUC 为 0.92，MGH 数据集的 AUC 为 0.86，台湾数据集的 AUC 为 0.94。 此外，Sybil 在六年内预测肺癌，这些队列的 AUC 分别为 0.75、0.81 和 0.80。 对于 AUC 度量，1.0 是一个完美的分数。

“Sybil 可以查看图像并预测患者在六年内患肺癌的风险，”合著者兼贾米尔诊所教职工负责人、科赫综合癌症研究所成员里贾纳·巴尔齐莱博士在媒体上说 发布。 “我对 MGH 团队领导的转化工作感到兴奋，这些工作旨在改变本来会发展为晚期疾病的患者的结果。”

这是研究人员利用 DL 进行肺癌预测的最新示例。

本月早些时候，研究人员验证了一个 DL 模型，该模型使用胸片和 EMR 数据预测肺癌风险，这可能有助于确定可以从肺癌筛查中受益的个体，包括那些未被 Medicare 筛查资格标准遗漏的个体。

研究人员解释说，由于美国医疗保险和医疗补助服务中心 (CMS) 指南的局限性导致肺癌筛查率低，这可能会导致健康差异长期存在。 为了解决这个问题，他们设计了一个自动预测工具来补充 CMS 标准，该工具可以准确识别肺癌高风险患者，包括那些未被 Medicare 肺癌筛查资格标准遗漏的患者。