根据下周在北美放射学会年会上公布的一项研究，人工智能(AI)工具可以使用常规胸部X光图像来识别肺癌高风险的非吸烟者。北美放射学会)。

肺癌是癌症死亡的最常见原因。美国癌症协会估计，今年美国新增肺癌病例约238,340例，肺癌死亡人数为127,070例。大约10-20%的肺癌发生在“从不吸烟者”身上，即从未吸烟或一生中吸烟少于100支的人。

美国预防服务工作组(USPSTF)目前建议对50岁至80岁、有至少20包年吸烟史、目前吸烟或在过去15年内戒烟的成年人进行低剂量CT肺癌筛查。年。USPSTF不建议对从未吸烟或吸烟很少的人进行筛查。然而，从不吸烟者中肺癌的发病率正在上升，而且如果没有通过筛查进行早期发现，这些癌症一旦发现，往往比吸烟者中发现的癌症更晚期。

“当前的Medicare和USPSTF指南建议仅对有大量吸烟史的个体进行肺癌筛查CT，”该研究的主要作者、波士顿大学医学院的医学生、心血管成像研究中心的研究员AnikaS.Walia博士说。麻省总医院(MGH)和波士顿哈佛医学院的中心(CIRC)。“然而，肺癌在从不吸烟的人中越来越常见，而且往往已处于晚期。”

联邦指南将不吸烟者排除在筛查建议之外的原因之一是很难预测这一人群患肺癌的风险。现有的肺癌风险评分需要大多数人不容易获得的信息，例如肺癌家族史、肺功能测试或血清生物标志物。

在这项研究中，中国保监会的研究人员着手测试深度学习模型是否可以根据电子病历中的胸部X光检查，识别出患有肺癌高风险的从不吸烟者，从而提高从不吸烟者的肺癌风险预测。深度学习是一种先进的人工智能，可以训练它搜索X射线图像以查找与疾病相关的模式。

“我们方法的一个主要优点是它只需要一张胸部X光图像，这是医学上最常见的测试之一，并且在电子病历中广泛使用，”瓦利亚说。

“CXR-肺部风险”模型是使用前列腺癌、肺癌、结直肠癌和卵巢癌(PLCO)癌症筛查试验中40,643名无症状吸烟者和从不吸烟者的147,497幅胸部X光片开发的，用于预测与肺部相关的死亡风险。以单个胸部X射线图像作为输入。

研究人员在2013年至2014年期间定期进行门诊胸部X光检查的另一组从不吸烟者中对该模型进行了外部验证。主要结果是六年内发生的肺癌，使用国际疾病分类代码进行识别。然后根据外部得出的风险阈值将风险评分转换为低、中和高风险组。

在该研究纳入的17,407名患者(平均年龄63岁)中，深度学习模型认为28%的患者属于高风险，其中2.9%后来被诊断为肺癌。高危人群远远超过了国家综合癌症网络指南推荐的肺癌筛查CT的1.3%六年风险阈值。

在调整年龄、性别、种族、既往下呼吸道感染和流行的慢性阻塞性肺疾病后，高风险组患肺癌的风险仍然是低风险组的2.1倍。

人工智能主任、医学博士、公共卫生硕士MichaelT.Lu表示：“这款人工智能工具利用电子病历中现有的胸部X光检查，为非吸烟者肺癌高危人群进行机会性筛查打开了大门。”兼麻省总医院保监会联席主任。“由于吸烟率正在下降，因此在不吸烟的人中早期发现肺癌的方法将变得越来越重要。”

其他合著者包括SamanDoroodgarJorshery医学博士、哲学博士和VineetK.Raghu博士。

研究人员报告说，他们得到了波士顿大学医学院医学院事务学生委员会、美国国家医学院/强生创新快速挑战赛以及哈佛医疗机构公司风险管理公司的支持。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：