人工智能工具预测肺癌风险

使用LDCT进行肺癌筛查已被证明可以将肺癌死亡人数减少多达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准确地预测了有或没有明显吸烟史的人患肺癌的风险。

结果发表在《临床肿瘤学杂志》上。

“从未吸烟或多年不吸烟的人的肺癌发病率继续上升，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说，HMS Landry家族医学教授在麻省总医院医学肿瘤学领域。

“我们没有评估个人环境或遗传风险因素，而是开发了一种工具，可以使用图像来查看集体生物学并预测癌症风险，”Sequist说，他也是Mass General早期癌症检测创新中心的主任，也是专门研究肺癌的医学肿瘤学家。

美国预防服务工作组建议50岁以上有20包年吸烟史的人每年进行LDCT，这些人目前吸烟或在过去15年内戒烟。但每年只有不到10%的合格患者接受筛查。

为了帮助提高肺癌筛查的效率并提供个性化评估，麻省理工学院综合癌症中心的 Sequist 及其同事与麻省理工学院 Jameel 诊所的研究人员合作。

利用来自国家肺部筛查试验(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，HMS放射学副教授Florian Fintelmann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。

独立的数据集

该团队使用三个独立的数据集验证了Sybil - 一组来自Sybil以前从未见过的6，000多名NLST参与者的扫描，来自Mass General的8，821个LDCT和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，包括那些从未吸烟的人。

Sybil能够准确预测这些组肺癌的风险。研究人员通过使用曲线下面积(AUC)来确定Sybil的准确性，AUC衡量测试区分疾病和正常样本的程度，其中1.0是满分。

Sybil预测了一年内的癌症，额外的NLST参与者的AUC为0.92，Mass General数据集为0.86，数据集为0.94。

该计划预测六年内的肺癌，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，”共同作者和Jameel Clinic教职员工负责人Regina Barzilay说，他是科赫综合癌症研究所的成员。

“我对MGH团队领导的转化工作感到兴奋，这些工作旨在改变那些本来会发展为晚期疾病的患者的结果，”Barzilay说。

研究人员指出，这是一项回顾性研究，需要对患者进行前瞻性研究来验证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中的肺癌。

Sequist及其同事将开展一项前瞻性临床试验，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能够检测到人眼不可见的LDCT风险模式，”Sequist说。“我们很高兴能够进一步测试该计划，看看它是否可以添加有助于放射科医生进行诊断的信息，并使我们走上为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！