▎药明康德内容团队编辑

肺癌是全球导致癌症死亡的首要因素，而且近年来在不吸烟的人群中肺癌发病率正在不断上升。如何在广泛人口中精准预测肺癌风险，提前关注和监控潜在肺癌隐患？

近日，美国麻省总医院和麻省理工学院（MIT）的研究人员发表论文，介绍了一种基于深度学习的人工智能模型，它只需要一次低剂量胸部CT扫描（LDCT），就能够有效预测患者未来6年的肺癌发病风险。这一工具能够帮助发现需要接受更多检测和监控的高风险人群，有望填补目前早筛策略遗漏太多病例的缺陷。

LDCT已经成为在吸烟人群中进行肺癌风险早筛的有力工具，此前的研究显示它能够将肺癌死亡风险降低20%-24%。指南建议50岁以上有吸烟史的患者每年接受一次LDCT检测。然而统计数据显示，大部分人没有遵从这一建议。以美国为例，少于10%的高风险人口每年接受一次LDCT检测。而且，近年来非吸烟人群的肺癌发病率持续上升。研究人员的目标是设计一种预测模型，能够根据尽量少的LDCT检测，预测吸烟和不吸烟人群的肺癌风险。

这一名为“Sybil”的深度学习模型通过学习和分析患者肺部的LDCT图像数据，预测未来肺癌发病风险。它不需要患者的其它健康和医疗数据。研究人员利用三种不同的肺癌LDCT数据库对它的预测准确性进行了检验，包括美国全国肺部筛查试验（NLST）的超过6000名参与者，麻省总医院（MGH）的超过8800名参与者和长庚纪念医院（CGMH）超过1万名参与者。

这项回顾性研究使用曲线下面积（AUC）作为检验肺癌预测风险的准确性指标，AUC为1.0意味着预测完全准确。研究结果显示，Sybil在预测患者1年内肺癌风险方面的AUC在3个数据库中分别达到0.92（NLST），0.86（MGH）和0.94（CGMH）。在预测6年内肺癌风险方面，Sybil的AUC分别为0.75，0.81，和0.80。值得一提的是，长庚纪念医院的数据库包含了很多从未吸烟的患者。

▲Sybil预测患者肺癌发病风险的表现（图片来源：参考资料[1]）

“肺癌发病率在从未吸烟或者戒烟多年的人群中持续上升，意味着有很多风险因子影响肺癌发病风险，其中有些目前未知。”研究的通讯作者，麻省总医院癌症中心的Lecia Sequist博士表示，“我们开发了一种工具，利用图像来探究患者的整体生物学，对癌症风险做出预测。”

下一步，Sequist博士和她的同事将启动前瞻性临床试验，在真实世界中检验Sybil并且评估这一预测模型能否辅助放射科医生的工作。这一程序的编码将对公众开放。

“在我们的研究中，Sybil能够从LDCT中发现人眼观察不到的风险因素。”Sequist博士说，“我们很兴奋能够继续检测这一模型，评估它能否帮助放射科医生做出诊断，为患者提供一条个体化筛查的道路。”

药明康德为全球生物医药行业提供一体化、端到端的新药研发和生产服务，服务范围涵盖化学药研发和生产、生物学研究、临床前测试和临床试验研发、细胞及基因疗法研发、测试和生产等领域。如您有相关业务需求，欢迎点击下方图片填写具体信息。

▲如您有任何业务需求，请长按扫描上方二维码，或点击文末“阅读原文/Read more”，即可访问业务对接平台，填写业务需求信息

▲欲了解更多前沿技术在生物医药产业中的应用，请长按扫描上方二维码，即可访问“药明直播间”，观看相关话题的直播讨论与精彩回放

版权说明：本文来自药明康德内容团队，欢迎个人转发至朋友圈，谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”，获取转载须知。