开发人工智能工具预测肺癌风险

在美国和世界各地，肺癌是癌症死亡的主要原因。低剂量胸部计算机断层扫描(LDCT)建议筛查年龄在50 - 80岁之间有明显吸烟史的人，或目前吸烟的人。LDCT肺癌筛查已被证明可将肺癌死亡率降低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肺癌癌症的风险在更广泛的人群中。由麻省总医院布里格姆分校成员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。

基于美国和台湾患者的LDCT扫描分析，Sybil准确预测了有或没有显著吸烟史的个体患肺癌的风险。结果发表在临床肿瘤学杂志．

“在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会导致肺癌风险，其中一些目前尚不清楚，”通讯作者、医学博士、公共卫生硕士、早期癌症检测创新中心主任、麻省总医院癌症中心肺癌医学肿瘤学家Lecia Sequist说。

“而不是评估个人的环境或基因风险因素在美国，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。”

美国预防服务工作组建议50岁以上、有20包年吸烟史、目前吸烟或在过去15年内戒烟的人每年进行ldct检测。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，马萨诸塞州综合癌症中心的Sequist及其同事与麻省理工学院Jameel诊所的研究人员合作。利用国家肺筛查试验(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者放射科医生的注释，”马萨诸塞州总医院胸廓成像与干预科放射科的共同作者Florian Fintelmann医学博士说。“它的设计是为了磨合实时在一个标准的放射学阅读站的背景下，它可以实现护理点临床决策支持。”

该团队使用三个独立的数据集对Sybil进行了验证——一组来自6000多名NLST参与者的扫描，Sybil以前没有见过他们;来自马萨诸塞州总医院(MGH)的8,821名ldct患者;台湾长庚纪念医院的12280例ldct。后一组扫描包括有一系列吸烟史的人，包括从不吸烟的人。

西比尔能够准确地预测这些组的肺癌风险。研究人员使用曲线下面积(AUC)来确定Sybil的准确性，AUC是一种测试区分疾病和正常样本的能力的衡量标准，其中1.0是完美的得分。

Sybil在一年内预测癌症，附加NLST参与者的auc为0.92,MGH数据集为0.86，台湾数据集为0.94。该程序预测6年内肺癌的auc分别为0.75、0.81和0.80。

“Sybil可以通过观察图像来预测病人在六年内患肺癌的风险，”合著者、贾米尔诊所的领导Regina Barzilay博士说，她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，他们的目标是改变那些原本会发展为晚期疾病的患者的结果。”

研究人员指出，这是一个回顾性研究为了验证Sybil的有效性，还需要对患者进行前瞻性研究。此外，这项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是否能准确预测肺癌在不同的人群中。

Sequist及其同事将开展一项前瞻性临床试验，将Sybil应用于现实世界，并了解它如何补充放射科医生的工作。该代码也已公开。

Sequist表示:“在我们的研究中，Sybil能够从人眼看不到的LDCT中检测出风险模式。”“我们很高兴能进一步测试这个项目，看看它是否能增加信息，帮助放射科医生进行诊断，并使我们走上一条为患者进行个性化筛查的道路。”