研究人员开发了一种人工智能模型，可以检测未来患肺癌的风险

6月29日最新资讯：研究人员开发了一种人工智能模型，可以检测未来患肺癌的风险深度学习模型采用个性化方法，根据 CT 扫描评估每位患者患肺癌的风险。

西比尔（Sybil）这个名字起源于古希腊的神谕，也被称为女预言家（sibyls）：依靠女性人物来传递关于看不见的和无所不能的过去、现在和未来的神圣知识。现在，这个名字已经从古代被挖掘出来，被赋予了一种用于肺癌风险评估的人工智能工具，该工具由麻省理工学院安利捷健康机器学习诊所、麻省总医院癌症中心 (MGCC) 和长庚纪念医院的研究人员开发（CGMH）。

肺癌是世界上第一大最致命的癌症，2020 年导致全球 170 万人死亡，死亡人数超过了紧随其后的三种最致命癌症的总和。 

MGCC 胸部介入放射科医生、这项新研究的合著者 Florian Fintelmann 表示：“它是最大的癌症杀手，因为它相对常见且相对难以治疗，尤其是当它达到晚期时。”要知道，如果您及早发现肺癌，长期预后会明显更好。您的五年生存率接近 70%，而如果您在晚期发现肺癌，则五年生存率仅低于 70%。百分之十。” 

尽管近年来用于对抗肺癌的新疗法激增，但大多数肺癌患者仍然死于这种疾病。肺部低剂量计算机断层扫描 (LDCT) 扫描是目前患者筛查肺癌的最常见方法，希望在最早阶段发现肺癌，此时仍可以通过手术切除肺癌。Sybil 将筛查更进一步，在没有放射科医生帮助的情况下分析 LDCT 图像数据，以预测患者未来六年内患肺癌的风险。

Jameel Clinic、MGCC 和 CGMH 研究人员在《临床肿瘤学杂志》上发表的新论文中证明，Sybil 在六年的时间里从不同组的肺部 LDCT 扫描中获得了 0.75、0.81 和 0.80 的 C 指数。分别在国家肺癌筛查试验 (NLST)、麻省总医院 (MGH) 和 CGMH 中，C 指数得分超过 0.7 的模型被认为是好的，超过 0.8 的模型被认为是强的。使用 Sybil 进行一年预测的 ROC-AUC 得分甚至更高，范围从 0.86 到 0.94，其中 1.00 是可能的最高得分。 

尽管取得了成功，但肺部 CT 扫描的 3D 性质给 Sybil 的构建带来了挑战。合著者彼得·米哈埃尔 (Peter Mikhael) 是麻省理工学院电气工程和计算机科学专业的博士生，也是 Jameel Clinic 和麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的附属机构，他将这一过程比作“大海捞针”。用于训练 Sybil 的成像数据基本上不存在任何癌症迹象，因为早期肺癌只占据肺部的一小部分——只是构成每次 CT 扫描的数十万像素的一小部分。肺组织中较致密的部分被称为肺结节，虽然它们有可能癌变，但大多数不会，并且可能是由于治愈的感染或空气中的刺激物引起的。  

为了确保 Sybil 能够准确评估癌症风险，Fintelmann 和他的团队在数百个 CT 扫描中标记了可见的癌性肿瘤，这些肿瘤将用于训练 Sybil，然后再在没有明显癌症迹象的 CT 扫描上测试模型。 

麻省理工学院电气工程和计算机科学博士生 Jeremy Wohlwend（该论文的合著者、Jameel Clinic 和 CSAIL 附属机构）对 Sybil 的高得分感到惊讶，尽管她没有任何可见的癌症。“我们发现，虽然我们（作为人类）无法完全看到癌症的位置，但该模型仍然可以对哪个肺部最终会患上癌症具有一定的预测能力，”他回忆道。“知道 [Sybil] 能够突出哪一方是最有可能的一方，这对我们来说真的很有趣。” 

该研究的合著者 Lecia V. Sequist 是一名医学肿瘤学家、肺癌专家，也是麻省总医院早期癌症检测创新中心的主任，她表示，该团队与 Sybil 取得的成果非常重要，“因为肺癌筛查并未部署到其在美国或全球的最大潜力，Sybil 或许能够帮助我们弥合这一差距。”

由于多种因素，在美国肺癌最严重的地区，肺癌筛查项目并不发达。这些因素包括对吸烟者的耻辱以及医疗补助扩张等政治和政策环境因素，而各州的情况各不相同。

此外，如今许多被诊断患有肺癌的患者要么从未吸烟，要么是 15 年前戒烟的前吸烟者——这些特征使得这两个群体都没有资格在美国接受肺癌 CT 筛查。 

“我们的训练数据仅包含吸烟者，因为这是加入 NLST 的必要标准，”Mikhael 说。“在台湾，他们对不吸烟者进行筛查，因此我们的验证数据预计将包含不吸烟者，很高兴看到 Sybil 能够很好地推广到该人群。” 

Sequist 说：“研究的下一步令人兴奋的是，对 Sybil 进行前瞻性测试，对象是那些不吸烟或几十年前戒烟的有肺癌风险的人。” “我每天在肺癌诊所治疗这些患者，他们很难接受自己不适合接受筛查，这是可以理解的。也许未来这种情况会改变。”

越来越多的肺癌患者被归类为非吸烟者。不吸烟的女性比不吸烟的男性更有可能被诊断出患有肺癌。在全球范围内，超过 50%的被诊断患有肺癌的女性不吸烟，而男性的这一比例为 15% 至 20%。

麻省理工学院教授 Regina Barzilay 是该论文的合著者、Jameel Clinic 人工智能教员的负责人，同时也是科赫综合癌症研究所的成员，她将麻省理工学院和麻省总医院在 Sybil 身上的共同努力归功于 Sylvia，Sylvia 是 Sylvia 的密友的妹妹。巴齐莱和塞奎斯特的一名病人。“西尔维娅年轻、健康、运动能力强——她从不吸烟，”巴兹莱回忆道。“当她开始咳嗽时，她的医生和家人最初都没有怀疑可能是肺癌。当西尔维娅最终被诊断出来并见到了塞奎斯特医生时， “这种疾病已经到了晚期，无法逆转。在哀悼西尔维娅去世时，我们不停地想，有多少其他患者也有类似的轨迹。”

这项工作得到了 Bridge Project 的支持，该项目是麻省理工学院科赫研究所和丹纳法伯/哈佛大学癌症中心之间的合作伙伴关系；麻省理工学院贾米尔诊所；广达电脑；抵抗癌症；麻省总医院早期癌症检测创新中心；布拉洛尔家族和兰德里家族；晚期肺癌；以及麻省理工学院和哈佛大学布罗德研究所的埃里克和温迪施密特中心。长庚医学基金会林口CGMH癌症中心提供了数据收集方面的协助，R. Yang、J. Song及其团队（广达计算机公司）为分析CGMH数据集提供了技术和计算支持。作者感谢美国国家癌症研究所访问国家肺部筛查试验收集的 NCI 数据以及参与该试验的患者。

323ai导航网发布