开发用于预测肺癌风险的人工智能工具

肺癌是美国和全世界癌症死亡的主要原因。建议使用低剂量胸部计算机断层扫描 (LDCT) 筛查 50 至 80 岁之间有显着吸烟史或目前吸烟的人。经证明，使用 LDCT 进行肺癌筛查可将肺癌死亡率降低多达 24%。

但随着非吸烟者肺癌发病率的攀升，需要新的策略来筛查和准确预测更广泛人群的肺癌风险。由麻省总医院癌症中心的研究人员领导的一项研究与麻省理工学院 (MIT) 的研究人员合作，开发并测试了一种名为 Sybil 的人工智能工具。

根据对美国和患者的 LDCT 扫描分析，Sybil 准确预测了有或没有显着吸烟史的个体患肺癌的风险。结果发表在《临床肿瘤学杂志》上。

“从不吸烟或多年不吸烟的人群中，肺癌发病率持续上升，这表明有许多风险因素导致肺癌风险，其中一些目前尚不清楚，”通讯作者 Lecia Sequist 医学博士说，公共卫生硕士，早期癌症检测创新中心主任，麻省总癌症中心肺癌内科肿瘤学家。

“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。”

美国预防服务工作组建议 50 岁以上、有 20 包年历史、目前吸烟或在过去 15 年内戒烟的人每年进行 LDCT。但每年只有不到 10% 的符合条件的患者接受筛查。

为了帮助提高肺癌筛查的效率并提供个性化评估，麻省综合癌症中心的 Sequist 及其同事与麻省理工学院贾米尔诊所的研究人员合作。利用国家肺部筛查试验 (NLST) 的数据，该团队开发了 Sybil，这是一种深度学习模型，可以分析扫描结果并预测未来一到六年的肺癌风险。

“Sybil 只需要一次 LDCT，不依赖于临床数据或放射科医生的注释，”共同作者、马萨诸塞州综合医院胸部影像与介入科放射科医学博士 Florian Fintelmann 说。“它被设计为在标准放射学阅读站的背景下实时运行，支持即时临床决策支持。”

该团队使用三个独立的数据集验证了 Sybil——一组来自 6,000 多名 Sybil 之前未见过的 NLST 参与者的扫描;来自麻省总医院 (MGH) 的 8,821 个 LDCT;以及来自长庚纪念医院的 12,280 台 LDCT。后一组扫描包括有一系列吸烟史的人，包括那些从不吸烟的人。

Sybil 能够准确预测这些集合中患肺癌的风险。研究人员确定了 Sybil 使用曲线下面积 (AUC) 的准确性，AUC 是一种衡量测试区分疾病和正常样本的能力，其中 1.0 为满分。

Sybil 在一年内预测癌症，其他 NLST 参与者的 AUC 为 0.92，MGH 数据集为 0.86，数据集为 0.94。该程序预测了六年内的肺癌，三个数据集的 AUC 分别为 0.75、0.81 和 0.80。

“Sybil 可以查看图像并预测患者在六年内患肺癌的风险，”合著者和 Jameel Clinic 教员负责人、科赫综合癌症研究所成员 Regina Barzilay 博士说。“我对 MGH 团队领导的转化努力感到兴奋，这些努力旨在改变否则会发展为晚期疾病的患者的结果。”

研究人员指出，这是一项回顾性研究，需要跟踪患者的前瞻性研究来验证 Sybil。此外，该研究的美国参与者绝大多数是 (92%)，未来的研究将需要确定 Sybil 是否可以准确预测不同人群的 肺癌。

Sequist 及其同事将开展一项前瞻性临床试验，让 Sybil 在现实世界中进行测试，并了解它如何补充放射科医生的工作。该代码也已公开。

“在我们的研究中，Sybil 能够从 LDCT 中检测到人眼不可见的风险模式，”Sequist 说。“我们很高兴进一步测试这个程序，看看它是否可以添加信息来帮助放射科医生进行诊断，并让我们走上对患者进行个性化筛查的道路。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！