机器学习工具可以预测多种肺结节患者的恶性肿瘤

基于机器学习的工具能够预测患有多种肺结核和表现优于人工专家的患者的恶性肿瘤的风险，先前验证的数学模型以及先前建立的人工智能工具，根据发表的结果临床癌症研究这是美国癌症研究协会的杂志。

目前可用的工具可以预测单个结节患者的恶性肿瘤;患有多个结节的患者的预测工具是有限的。“随着采用胸部计算断层扫描（CT）对肺癌筛查，多种肺结核的检测变得越来越普遍，”克中陈，MD表示，北京大学人民医院胸外科系副教授。在以前的CT扫描中呈现肺结结的患者肺癌筛选陈医生说，在临床试验中，大约50%的患者出现多发结节。“目前的指南建议使用结合结节和社会人口特征的临床模型来估计癌症的可能性手术治疗虽然有几种具有单个结节的患者的工具，但没有针对多个结节的患者存在的这种工具，代表紧急医疗需求，“陈补充说。

为了解决这一未被满足的需求，研究人员着手开发一种机器学习基础模型预测患有多种肺结节的患者肺恶性肿瘤的概率。首先，研究作者使用来自2007年1月至2018年12月在北京大学人民医院的520名患者（包含1,739个Nodules）的培训队列的数据。作者使用了射线图结节特征和社会血统变量，所发出的模型PKU-M，预测癌症的可能性。通过计算曲线下（AUC）下的区域来评估模型的性能，其中1的分度为1对应于完美预测。在培训队列中，该模型达到了0.91的AUC。模型的一些顶部预测特征包括结节尺寸，结节计数，结节分布和患者年龄。

然后，使用2016年1月至2018年12月期间在中国和韩国6家独立医院接受手术治疗的220名患者(包括583个结节)的数据验证了该模型。PKU-M模型在本队列中的表现与其在培训队列中的表现相似，AUC为0.89。研究人员还将他们的模型与四种基于logistic回归的肺癌预测模型的性能进行了比较。PKU-M模型的AUC值在0.68 ~ 0.81之间，优于前四种模型。

最后，研究人员对PKU-M模型、三名胸外科医生、一名放射科医生和之前建立的诊断肺癌的人工智能工具RX进行了前瞻性比较。这项比较是在2019年1月至2019年3月期间在中国四家独立医院接受手术治疗的78例患者(包括200个结节)的单独队列中进行的。与培训和验证队列相似，pcu - m模型的AUC为0.87，高于外科医生(AUC为0.73 - 0.79)、放射科医生(AUC为0.75)和RX模型(AUC为0.76)。

“多种肺结核的越来越多的检测率导致了肺癌诊断的新出现问题，”研究作者Young Tae Kim，MD，博士学位，博士学位，博士学位，博士学位，博士，博士，博士学位，博士，哲学家，博士，博士，博士，博士，博士，博士，博士，MD。朝鲜共和国首尔国家大学医学院。“因为在长期随访或手术后发现许多结节都是良性的，因此在侵入手术之前仔细评估这些结节是重要的。我们的预测模型，专门为多个患者建立结节，可以帮助不仅减轻不必要的手术，还可以促进肺的诊断和治疗癌症。"

“模型的开发是为了帮助临床诊断，这意味着它们应该是实用的，”该研究的作者、北京大学人民医院胸外科教授王军医学博士说。“因此我们设计了一个基于网络的PKU-M版本模型在这里，临床医生可以输入一些临床和放射学特征，软件就会自动计算出一个特定患者的恶性肿瘤风险。这个工具可以快速做出客观的诊断，并有助于临床决策。”

由于本研究仅使用了来自亚洲患者的数据，可能不适用于西方或其他人群，这代表了本研究的局限性。