免费视频淫片aa毛片_日韩高清在线亚洲专区vr_日韩大片免费观看视频播放_亚洲欧美国产精品完整版

肺癌是美國(guó)乃至全球人群因癌癥死亡的主要原因，低劑量胸部計(jì)算機(jī)斷層掃描（LDCT，Low-dose chest computed tomography）被推薦用于針對(duì)50-80歲有明顯吸煙史或目前正在吸煙的人群進(jìn)行肺癌的篩查，利用LDCT進(jìn)行肺癌篩查被證明能將肺癌患者的死亡率降低24%。但隨著非吸煙人群中肺癌發(fā)病率的上升，科學(xué)家們就需要新型策略來(lái)篩查并準(zhǔn)確預(yù)測(cè)更多人群患肺癌的風(fēng)險(xiǎn)，近日，一篇發(fā)表在國(guó)際雜志Journal of Clinical Oncology上題為“Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography”的研究報(bào)告中，來(lái)自麻省理工學(xué)院等機(jī)構(gòu)的科學(xué)家們通過(guò)研究開(kāi)發(fā)并測(cè)試了一種名為Sybil的人工智能工具來(lái)幫助預(yù)測(cè)人群患肺癌的風(fēng)險(xiǎn)。

基于對(duì)來(lái)自美國(guó)和中國(guó)臺(tái)灣患者的LDCT掃描結(jié)果的分析，人工智能工具Sybil或能準(zhǔn)確預(yù)測(cè)有或者無(wú)明顯吸煙史肺癌患者患肺癌的風(fēng)險(xiǎn)。醫(yī)學(xué)博士Lecia Sequist說(shuō)道，近年來(lái)，肺癌的發(fā)病率在從不吸煙或多年不吸煙的人群中不斷攀升，這或許就表明存在很多風(fēng)險(xiǎn)因素會(huì)促進(jìn)機(jī)體患肺癌的風(fēng)險(xiǎn)，而且其中一些因素目前研究人員尚不清楚。如今研究人員就開(kāi)發(fā)出了一種特殊工具，其能利用圖像觀察集體生物學(xué)并對(duì)癌癥風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，這或許就代替了研究人員評(píng)估個(gè)體的環(huán)境或遺傳風(fēng)險(xiǎn)因素等。

美國(guó)預(yù)防服務(wù)特別工作組推薦對(duì)于50歲以上或有20包/年（pack-years）吸煙史的人群（目前正在吸煙或在過(guò)去15年內(nèi)戒煙的人群）每年進(jìn)行LDCT篩查，但僅有不到10%的符合條件的患者每年接受篩查。為了幫助改善肺癌篩查的效率并提供個(gè)體化的評(píng)估，研究者Sequist及其同事聯(lián)合研究，利用來(lái)自全美肺部篩查試驗(yàn)（NLST，National Lung Screening Trial）的數(shù)據(jù)開(kāi)發(fā)了名為Sybil的工具，其是一種深度學(xué)習(xí)模型，能分析掃描并預(yù)測(cè)個(gè)體未來(lái)1-6年患肺癌的風(fēng)險(xiǎn)。研究者表示，Sybil只需要一個(gè)LDCT結(jié)果就能分析，且并不依賴于臨床數(shù)據(jù)或放射科醫(yī)生的結(jié)果注釋，其已經(jīng)被設(shè)計(jì)成了能在標(biāo)準(zhǔn)放射科讀片站后臺(tái)進(jìn)行實(shí)時(shí)運(yùn)行，這或許就使得定點(diǎn)照護(hù)的臨床決策支持成為了可能。

圖片來(lái)源：https://pubmed.ncbi.nlm.nih.gov/36634294/

研究人員使用三個(gè)獨(dú)立的數(shù)據(jù)集對(duì)Sybil工具進(jìn)行了驗(yàn)證，即一組來(lái)自6000多名NLST參與者的掃描結(jié)果（此前并未應(yīng)用Sybil工具）、來(lái)自麻省總醫(yī)院的8821張LDCTs掃描結(jié)果以及來(lái)自中國(guó)臺(tái)灣長(zhǎng)庚紀(jì)念醫(yī)院的12280張LDCTs掃描結(jié)果，后一組掃描包括所有有多種吸煙史的人群，包括從未吸煙的人群等。研究者表示，Sybil能準(zhǔn)確預(yù)測(cè)上述數(shù)據(jù)集中患者患肺癌的風(fēng)險(xiǎn)，他們使用曲線下面積（AUC，Area Under the Curve）來(lái)確定Sybil的準(zhǔn)確程度，AUC能衡量一種測(cè)試手段是否能有效區(qū)分疾病和正常樣本的程度，其中1.0分為滿分。Sybil在預(yù)測(cè)參與者一年內(nèi)的患癌情況方面，針對(duì)額外的NLST中參與者的AUCs為0.92、麻省總醫(yī)院數(shù)據(jù)集的AUCs為0.86，來(lái)自中國(guó)臺(tái)灣的數(shù)據(jù)集的AUCs為0.94。Sybil在預(yù)測(cè)三年內(nèi)參與者肺癌風(fēng)險(xiǎn)方面，上述不同研究數(shù)據(jù)集中的AUCs分別為0.75、0.81和0.80。

研究者Regina Barzilay說(shuō)道，Sybil工具能查看并預(yù)測(cè)患者在6年內(nèi)患肺癌的風(fēng)險(xiǎn)，本文研究是一項(xiàng)回顧性研究，其需要對(duì)患者進(jìn)行前瞻性的跟蹤研究來(lái)驗(yàn)證Sybil工具的有效性。此外，研究中的美國(guó)參與者中絕大多數(shù)都是白人（92%），未來(lái)研究中，研究人員還需要通過(guò)研究確定是否Sybil能準(zhǔn)確預(yù)測(cè)多種類型人群患肺癌的風(fēng)險(xiǎn)。未來(lái)研究人員將會(huì)開(kāi)展一項(xiàng)前瞻性臨床試驗(yàn)在真實(shí)世界中對(duì)Sybil進(jìn)行測(cè)試，同時(shí)理解其是如何補(bǔ)充放射科臨床醫(yī)生的工作的，目前該工具的代碼已經(jīng)公開(kāi)發(fā)布。這項(xiàng)研究中，Sybil工具能從LDCT中檢測(cè)出人類肉眼無(wú)法看到的風(fēng)險(xiǎn)模式，研究人員很高興能進(jìn)一步檢測(cè)該程序從而觀察是否其能增加相關(guān)信息，并幫助放射科臨床醫(yī)生進(jìn)行診斷，從而對(duì)患者進(jìn)行更進(jìn)一步的個(gè)體化篩查和診斷。

綜上，本文研究結(jié)果表明，Sybil工具或能通過(guò)單一的LDCT掃描來(lái)準(zhǔn)確預(yù)測(cè)個(gè)體未來(lái)患肺癌的風(fēng)險(xiǎn)，并進(jìn)一步實(shí)現(xiàn)對(duì)肺癌患者的個(gè)體化篩查；后期研究人員還需要進(jìn)行更多深入的研究來(lái)理解Sybil的臨床應(yīng)用，目前研究者所開(kāi)發(fā)的模型和注釋是公開(kāi)可用的。（生物谷Bioon.com）

原始出處：

Peter G Mikhael, Jeremy Wohlwend, Adam Yala, et al. Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography, J Clin Oncol
. 2023 Jan 12;JCO2201345. doi: 10.1200/JCO.22.01345

本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊舉報(bào)。