东方时讯网肺癌是美国和世界各地癌症死亡的主要原因，建议对50至80岁有显着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。
经证明，使用LDCT进行肺癌筛查可将肺癌死亡率降低高达24%，但随着非吸烟者肺癌发病率的上升，需要新的策略来筛查和准确预测更广泛人群的肺癌风险。
由麻省总医院的哈佛医学院研究人员领导的一项研究与麻省理工学院的研究人员合作，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，这表明导致肺癌风险的危险因素有很多，其中一些目前未知，”通讯作者LeciaSequist说，麻省总医院肿瘤内科学领域的HMSLandry家族医学教授。
“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，”Sequist说，他也是早期癌症检测创新中心的主任在麻省总医院和专门研究肺癌的内科肿瘤学家。
美国预防服务工作组建议每年对50岁以上、有20包年吸烟史、目前吸烟或在过去15年内戒烟的人进行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只需要一个LDCT，不依赖于临床数据或放射科医生的注释，”共同作者、麻省总医院放射学副教授FlorianFintelmann说。
“它被设计为在标准放射学阅读站的后台实时运行，从而实现即时临床决策支持，”他说。
独立数据集
该团队使用三个独立的数据集验证了Sybil——一组来自Sybil之前未见过的6,000多名NLST参与者的扫描数据、来自麻省总医院的8,821个LDCT以及来自长庚纪念医院的12,280个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。研究人员通过使用曲线下面积(AUC)来确定Sybil的准确性，AUC是一种衡量测试区分疾病和正常样本的能力的指标，其中1.0为满分。
Sybil在一年内预测了癌症，额外的NLST参与者的AUC为0.92，MassGeneral数据集的AUC为0.86，数据集的AUC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可以通过查看图像并预测患者在六年内患肺癌的风险，”合著者兼JameelClinic教师负责人、科赫综合癌症研究所成员ReginaBarzilay说。
Barzilay说：“我对MGH团队领导的转化工作感到兴奋，这些工作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白人(92%)，未来的研究将需要确定Sybil是否可以准确预测其他人群的肺癌。
Sequist及其同事将开展一项前瞻性临床试验，以在现实世界中测试Sybil，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。”