据NBC新闻报道,美国麻省总医院癌症中心和麻省理工学院的科学家们,联合开发了一款能够预测肺癌风险的人工智能解决方案,名为“Sybil”。
1、准确率高达94%
正在进行的临床实验结果表明,Sybil能够利用低剂量胸部计算机断层扫描(LDCT)图像数据,预测患者未来六年内患肺癌的风险。甚至对于患者在未来一年内患肺癌的风险预测准确率高达86%至94%。
肺癌是美国和世界各地癌症死亡的主要原因,医生通常建议50-80岁之间有吸烟史的人群使用LDCT进行肺部筛查,希望能在早期发现肺癌。因为一项研究表明,早期肺癌的五年生存几率接近70%,而晚期肺癌的五年生存几率不足10%。
事实证明,这一筛查将肺癌死亡人数有效降低了24%。但随着非吸烟者肺癌发病率的攀升,需要新的“策略”来筛查和预测更广泛人群的肺癌风险。Sybil就是满足这一市场需求的产物。
其原理是通过分析LDCT图像中包含的信息,评估肺部异常生长的迹象,告诉医生潜在的癌症风险,尽早发现并治病症,以提高患者存活率。
2、数百万数据参照,实现“大海捞针”
事实上,尽管Sybil让肺癌预测从概念照进现实,但肺部CT扫描的3D特性仍是Sybil需要面对的一个挑战。
因为早期的肺癌只占据了肺部的一小部分,在CT扫描的数十万像素中根本微不足道,这也导致用于Sybil训练的成像数据上看不到任何癌症迹象,Peter Mikhael博士将这一过程比喻为“大海捞针”。
为了确保Sybil能够准确评估癌症风险,研发团队标记了数百个带有可见癌性肿瘤的CT扫描用于训练Sybil,然后在没有明显癌症迹象的CT扫描上测试模型,通过使用曲线下面积(AUC)来确定Sybil的准确性,AUC衡量测试区分疾病和正常样本的程度,其中1.0是满分。
实验结果表明,在某些情况下Sybil可以检测到放射科医生都无法识别的癌症迹象,直到多年后在CT扫描上看到结节。此外,它能够提前一到六年预测一个人患肺癌的几率。其中预测一年时的AUC为0.92;两年时的AUC为0.86;6年预测的平均指数为0.75。
尽管它有潜力,但研究人员告诉NBC新闻,用于训练它的“黑人或西班牙裔患者”数据不足。且FDA曾在去年表示,Sybil的开发公司和研发团队必须制定一项计划,确保临床试验适用于不同的患者群体,然后才能提交申请。
3、国内肺癌人数高居榜首
麻省理工学院教授Regina Barzilay她将Sybil的灵感来源归功于Sylvia。从她口中我们得知Sylvia是一位年轻健康且热爱运动的不吸烟者,在Sylvia最开始咳嗽的时候她的医生和家人都没有往肺癌那方面想。而当她被确诊的时候,疾病已经发展到无法逆转的地步。
这让Barzilay在哀悼Sybil的同时陷入深思:还有多少其他患者也有类似的轨迹?
近年来,越来越多的不吸烟人群被检查出患有肺癌。其中,女性患者比例明显高于男性。数据显示,在全球范围内超过 50%的被诊断患有肺癌的女性是不吸烟者,而男性的这一比例为15%至20%。
事实上,我们国内肺癌患者人数也高居不下,甚至在日前公布的2016年中国恶性肿瘤流行数据中占据榜首。报告中明确列出,我国肺癌新发病例约为82.81万。面对人类健康的“头号杀手”我们除了采取不同的防治措施,还需要像Sybil这样的设备实现“早发现早治疗”。