机器学习工具可以预测恶性肿瘤患者的多个肺结节

基于机器学习工具是能够预测患者中恶性肿瘤的风险与多个肺结节和表现人类专家,之前验证数学模型,和先前建立人工智能工具,根据结果发表在临床癌症研究,美国癌症研究协会杂志》上。

目前可用的工具可以预测恶性肿瘤患者单结节;预测与多个结节患者的工具是有限的。胸”采用广泛使用的计算机断层扫描(CT)肺癌筛查,多个肺结节的检测变得越来越普遍,”研究作者Kezhong Chen说,胸外科副教授在北京大学人民医院在中国。患者出现肺结节CT扫描在之前肺癌筛查试验中,大约50%与多个结节,陈先生说。“当前的指导方针建议使用的临床模型合并结节和社会人口特征的概率估计癌症之前手术治疗,虽然有几个工具与单个结节患者的,没有这样的工具目前存在多个结节,患者代表紧急医疗需要,”陈补充道。

为了解决这个未满足的需求,研究人员着手开发一种机器学习基于模型预测的概率肺恶性肿瘤患者中出现多个肺结节。首先,该研究的作者使用培训的520名患者的数据(包括1739结节)治疗在北京大学人民医院2007年1月至2018年12月。使用这两种radiographical结节特征和社会人口变量,作者开发了一个模型,称为PKU-M,预测癌症的概率。模型的性能评估通过计算曲线下的面积(AUC), 1分对应于一个完美的预测。在训练队列,该模型实现了AUC为0.91。一些高级预测模型的特性包括结节大小、结节计数,结节分布和病人的年龄。

模型被验证使用数据从一个群220个病人(包括583结节)接受手术治疗在中国和韩国在六个独立的医院2016年1月至2018年12月。PKU-M模型的性能在这个队列是类似于训练队列,其性能的AUC 0.89。研究人员还将他们的模型的性能与之前四个逻辑回归模型,预测肺癌的开发。PKU-M模型优于之前的所有四个模型,其AUC值从0.68到0.81不等。

最后,研究者进行了一项前瞻性对比PKU-M模型,三个胸的外科医生、放射科医生,和先前建立的人工智能工具的诊断肺癌称为RX。这种比较是在一个单独的队列进行的78例患者(包括200结节)接受手术治疗在中国的四个独立的医院2019年1月至2019年3月。类似于训练和验证军团,PKU-M的性能模型实现了AUC为0.87,高于从外科医生(AUC从0.73到0.79),放射科医生0.75 (AUC),和RX模型(AUC的0.76)。

“多个肺结节的检出率增加导致肺癌诊断一个新兴问题,”研究作者说年轻的Kim Tae,医学博士,博士,教授在首尔国立大学医院胸心血管手术和首尔国立大学医学院的大韩民国。“因为许多发现结节是良性的长期随访或手术后,重要的是要仔细评估这些结节之前侵入性程序。我们的预测模型,专门建立了多个患者结节,不仅可以帮助减轻不必要的手术,但是也促进肺癌的诊断和治疗癌症。"

”模型开发,协助临床诊断,这意味着他们应该是实用的,”研究作者说小君,医学博士,教授在北京大学人民医院胸外科。“因此,我们设计了一个基于web的版本的PKU-M模型,临床医生可以输入多个临床和放射学特征和软件会自动计算特定病人恶性肿瘤的风险。这个工具可以快速生成客观诊断和可以帮助临床决策。”

因为这项研究只从亚洲患者使用数据,它可能不是可概括的西方人口或其他人群,代表了本研究的局限性。

---

---