美國匹茲堡大學(xué)Raghu等報(bào)告，人工智能(AI)可能降低肺癌篩查中的假陽性率，同時(shí)不會(huì)遺漏真實(shí)的癌癥病例。這種新開發(fā)出的肺癌預(yù)測模型優(yōu)于現(xiàn)有的癌癥鑒別方法。(Thorax. 2019年3月12日在線版 doi: 10.1136/thoraxjnl-2018-212638)

LDCT篩查的主要問題是假陽性率高，24%的陽性結(jié)果需隨訪證實(shí)，但其中96%為假陽性。為了探究整合了LDCT掃描特征與其他臨床數(shù)據(jù)及合并癥特征后是否可改善肺癌的預(yù)測，該研究自匹茲堡肺部篩查研究(PLuSS)中納入了2002~2006年的3642名吸煙者(目前仍吸煙或曾吸煙)，應(yīng)用AI技術(shù)提取并分析人口統(tǒng)計(jì)學(xué)數(shù)據(jù)、吸煙史、合并癥和肺結(jié)節(jié)的LDCT掃描的特征。

所有受試者都接受了基線LDCT掃描，多數(shù)也在接下來的一年接受了LDCT隨訪掃描。此外，所有受試者也都填寫了一份包括吸煙史的問卷，測定了肺活量，并提供了血樣。

訓(xùn)練集包括50名參與者，均為基線LDCT掃描檢出癌癥的患者，另包括42名篩檢有結(jié)節(jié)的受試者。獨(dú)立的驗(yàn)證集包括126名受試者(44例病例和82名對照)，其中分別有39例病例和63名對照的結(jié)節(jié)<3 cm。

126例個(gè)體的獨(dú)立驗(yàn)證隊(duì)列顯示，包括結(jié)節(jié)數(shù)量、血管數(shù)量及戒煙年數(shù)的肺癌因果模型(LCCM)足以區(qū)分惡性結(jié)節(jié)和良性結(jié)節(jié)。LCCM模型的預(yù)測準(zhǔn)確性與Brock模型可比。LCCM模型可正確識別出28.3%的良性結(jié)節(jié)，且不會(huì)將單例癌癥患者錯(cuò)誤分類。 (編譯 崔維波)