人工智能减少肺癌筛查假阳性

肺癌是全球癌症死亡的主要原因。筛查是早期发现和提高生存率的关键，但目前的方法有96%的假阳性率。使用机器学习，匹兹堡大学和UPMC希尔曼癌症中心的研究人员已经找到了一种方法，在不遗漏任何一个癌症病例的情况下大幅减少假阳性。

这项研究发表在今天的杂志上胸腔．这是人工智能首次应用于良性和恶性的分类问题结节在肺癌筛选。

“我们能够在大约三分之一的患者中排除癌症的可能性，所以他们不需要活检，不需要PET扫描或短间隔CT扫描。他们只需要在一年后回来，”资深作者David Wilson说，他是医学博士，公共卫生学硕士，皮特大学医学、心肺外科、临床和转化科学的副教授，也是UPMC Hillman肺癌中心的联合主任。

低剂量CT扫描是标准的诊断测试肺癌症高危人群。在全国范围内，大约四分之一的这些扫描发现了表明肺部结节的阴影——这是一个阳性结果——但这些患者中只有不到4%的人真正患有癌症。

威尔逊说，目前，仅通过扫描是不可能知道这4%的人是谁。当然，医生不想错过任何真正的癌症病例，但他们也在努力减少假阳性率，他指出。

“阳性检测会引起焦虑，增加医疗成本，后续检测也不是没有风险，”研究合著者Panayiotis (Takis) Benos博士说，他是皮特大学综合系统生物学项目的副主任、计算和系统生物学教授兼副主席。“对于96%患有良性结节的人来说，这些手术是不必要的。因此，我们试图挖掘数据，以判断哪些是良性的，哪些是恶性的。”

威尔逊、贝诺斯和同事们收集了218例患者的低剂量CT扫描数据高风险后来被证实患有肺癌或良性结节的UPMC患者。然后他们把数据输入机器学习算法——的一种形式人工智能-建立一个计算癌症概率的模型。如果概率低于某个阈值，模型就会排除癌症。

将模型的评估结果与这些患者的实际诊断结果进行比较，研究人员发现，他们可以使30%的良性结节患者免于接受额外的检查，而不会遗漏任何一个癌症病例。

Benos说，对该模型最重要的三个因素是结节周围血管的数量、结节的数量和患者戒烟的年数。

“虽然我们知道肿瘤需要更多的血管支持已经有一段时间了，但这是我们第一次能够使用计算机技术来量化它们的贡献，并将它们纳入一个预测模型，确定地确定一些患者没有癌症威尔逊说。“下一步是在更大的人群中评估这项技术，实际上它已经开始了，使用了来自国家肺筛查试验的大约6000张扫描图。”