<p>西比爾這個名字起源于古希臘的神諭，也被稱為西比爾:女性形象，被依賴來傳遞神對看不見的和無所不能的過去、現(xiàn)在和未來的知識?，F(xiàn)在，這個名字被從古代挖掘出來，被賦予了一種用于肺癌風險評估的人工智能工具，該工具由麻省理工學院的阿卜杜勒&middot;拉提夫&middot;賈米爾健康機器學習診所、馬薩諸塞州綜合癌癥中心(MGCC)和長工紀念醫(yī)院(CGMH)的研究人員開發(fā)。</p> <p>&nbsp;</p> <p>肺癌是世界上最致命的癌癥，在2020年導致全球170萬人死亡，死亡人數(shù)超過了排在其后的三種最致命癌癥的總和。</p> <p>&nbsp;</p> <p>&ldquo;這是最大的癌癥殺手，因為它相對常見，而且相對難以治療，尤其是當它達到晚期時。&rdquo;MGCC胸外科介入放射科醫(yī)生、這項新工作的合著者弗洛里安&middot;芬特曼說。&ldquo;在這種情況下，重要的是要知道，如果你早期發(fā)現(xiàn)肺癌，長期結(jié)果會明顯更好。你的5年生存率接近70%，而如果你在晚期發(fā)現(xiàn)它，5年生存率略低于10%。&rdquo;</p> <p>&nbsp;</p> <p>盡管近年來針對肺癌的新療法出現(xiàn)了激增，但大多數(shù)肺癌患者仍然死于這種疾病。目前，肺低劑量計算機斷層掃描(LDCT)是篩查肺癌患者的最常用方法，希望在早期階段發(fā)現(xiàn)肺癌，那時仍可以通過手術(shù)切除。Sybil將篩查進一步推進，在沒有放射科醫(yī)生協(xié)助的情況下分析LDCT圖像數(shù)據(jù)，預(yù)測患者在六年內(nèi)發(fā)展為肺癌的風險。</p> <p>&nbsp;</p> <p>在他們發(fā)表在《臨床腫瘤學雜志》上的新論文中，Jameel診所、MGCC和CGMH的研究人員證明，Sybil在六年內(nèi)分別從國家肺癌篩查試驗(NLST)、麻省總醫(yī)院(MGH)和CGMH的不同組肺LDCT掃描中獲得了0.75、0.81和0.80的c指數(shù)&mdash;&mdash;c指數(shù)得分超過0.7的模型被認為是良好的，超過0.8的模型被認為是強的。使用Sybil進行一年預(yù)測的roc - auc得分更高，從0.86到0.94，其中1.00是可能的最高分。</p> <p>&nbsp;</p> <p>盡管取得了成功，但肺部CT掃描的3D特性使Sybil成為一個挑戰(zhàn)。合著者Peter Mikhael是麻省理工學院電氣工程和計算機科學的博士生，也是Jameel診所和麻省理工學院計算機科學和人工智能實驗室(CSAIL)的附屬機構(gòu)，他將這一過程比作&ldquo;大海撈針&rdquo;。用于訓練西比爾的成像數(shù)據(jù)基本上沒有任何癌癥跡象，因為早期肺癌只占肺的一小部分&mdash;&mdash;只是組成每次CT掃描的數(shù)十萬像素的一小部分。肺組織較密集的部分被稱為肺結(jié)節(jié)，雖然它們有癌變的可能，但大多數(shù)不是，可能是由愈合的感染或空氣中的刺激物引起的。</p> <p>&nbsp;</p> <p>為了確保Sybil能夠準確地評估癌癥風險，F(xiàn)intelmann和他的團隊在沒有明顯癌癥跡象的CT掃描上測試模型之前，將數(shù)百個CT掃描標記為可見的癌性腫瘤，這些腫瘤將用于訓練Sybil。</p> <p>&nbsp;</p> <p>麻省理工學院電氣工程和計算機科學博士生Jeremy Wohlwend是這篇論文的合著者，也是Jameel診所和CSAIL附屬機構(gòu)的成員，他對茜比爾的分數(shù)如此之高感到驚訝，盡管她沒有任何可見的癌癥。他回憶道:&ldquo;我們發(fā)現(xiàn)，雖然我們(作為人類)不能很好地看到癌癥在哪里，但該模型仍然可以對哪種肺最終會發(fā)展成癌癥具有一定的預(yù)測能力。&rdquo;&ldquo;知道(Sybil)能夠突出哪一方是最有可能的一方，這對我們來說真的很有趣。&rdquo;</p> <p>&nbsp;</p> <p>聯(lián)合作者Lecia V. Sequist是醫(yī)學腫瘤學家、肺癌專家，也是MGH早期癌癥檢測創(chuàng)新中心的主任，他說，該團隊用Sybil取得的結(jié)果很重要，&ldquo;因為肺癌篩查在美國或全球尚未充分發(fā)揮其潛力，而Sybil可能能夠幫助我們彌合這一差距。&rdquo;</p> <p>&nbsp;</p> <p>由于多種因素，在美國肺癌最嚴重的地區(qū)，肺癌篩查項目還不發(fā)達。這些因素包括對吸煙者的歧視，以及各州不同的醫(yī)療補助擴張等政治和政策因素。</p> <p>&nbsp;</p> <p>此外，如今許多被診斷為肺癌的患者要么從不吸煙，要么是15年前戒煙的煙民&mdash;&mdash;這兩種特征使得這兩組人都不適合在美國進行肺癌CT篩查。</p> <p>&nbsp;</p> <p>米哈伊爾說:&ldquo;我們的培訓數(shù)據(jù)只包括吸煙者，因為這是參加NLST的必要標準。&rdquo;&ldquo;在臺灣，他們篩查不吸煙的人，所以我們的驗證數(shù)據(jù)預(yù)計會包含不吸煙的人，看到Sybil在這一人群中推廣得很好，令人興奮。&rdquo;</p> <p>&nbsp;</p> <p>Sequist說:&ldquo;研究中令人興奮的下一步將是在不吸煙或幾十年前戒煙的肺癌風險人群中對Sybil進行前瞻性測試。&rdquo;&ldquo;我每天都在我的肺癌診所治療這樣的病人，他們很難接受他們本來就不是接受篩查的候選人。也許將來這種情況會改變。&rdquo;</p> <p>&nbsp;</p> <p>有越來越多的肺癌患者被歸類為非吸煙者。不吸煙的女性比不吸煙的男性更容易被診斷出肺癌。在全球范圍內(nèi)，被診斷患有肺癌的女性中，超過50%的人不吸煙，而男性中這一比例為15%至20%。</p> <p>&nbsp;</p> <p>麻省理工學院教授Regina Barzilay是論文的合著者，也是Jameel診所人工智能教師的負責人，也是科赫綜合癌癥研究所的成員，她將麻省理工學院和MGH在Sybil上的共同努力歸功于西爾維婭，西爾維婭是Barzilay的一位密友的妹妹，也是Sequist的患者之一。&ldquo;西爾維婭年輕、健康、愛運動&mdash;&mdash;她從不吸煙，&rdquo;巴茲萊回憶道。&ldquo;當她開始咳嗽時，醫(yī)生和家人最初都沒有懷疑她可能是肺癌。當西爾維婭最終被診斷出來并見到塞奎斯特醫(yī)生時，她的病情已經(jīng)嚴重到無法恢復正常。在哀悼西爾維婭的去世時，我們不禁想到還有多少病人有著類似的軌跡。&rdquo;</p> <p>&nbsp;</p> <p>這項工作得到了橋梁項目的支持，該項目由麻省理工學院科赫研究所和達納-法伯/哈佛癌癥中心合作開展;麻省理工學院賈米爾診所;廣達電腦;勇敢面對癌癥;MGH早期癌癥檢測創(chuàng)新中心;布拉勞爾家族和蘭德里家族;晚期肺癌;以及麻省理工學院和哈佛大學布羅德研究所的埃里克和溫迪&middot;施密特中心。長庚醫(yī)學基金會林口CGMH癌癥中心提供數(shù)據(jù)收集協(xié)助，楊瑞陽、宋俊及其團隊(廣達計算機公司)為CGMH數(shù)據(jù)集分析提供技術(shù)和計算支持。作者感謝國家癌癥研究所訪問國家肺癌篩查試驗收集的NCI數(shù)據(jù)，以及參與該試驗的患者。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學態(tài)度觀點。</p> </blockquote>