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，中国癌症研究协会杂志。

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说，试验，大约50％的结节提出了多个结节。“目前的指导方针建议使用结核和社会渗目特征的临床模型来估算癌症前的概率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。

为了解决这个未满足的需求，研究人员出发了发展机器学习基于模型来预测多发肺结节患者的肺恶性肿瘤概率。首先，研究作者使用了2007年1月至2018年12月期间在北京大学人民医院接受治疗的520名患者(1739个结节)的培训队列数据。利用放射学结节特征和社会人口变量，作者开发了一个称为PKU-M的模型来预测癌症的概率。通过计算曲线下面积(AUC)来评估模型的性能，其中得分为1对应于一个完美的预测。在培训队列中，模型的AUC为0.91。该模型的一些最重要的预测特征包括结节大小、结节计数、结节分布和患者年龄。

然后使用来自220名患者的群组（包含583个Nodules）的数据进行验证，在2016年1月至2018年1月在中国和韩国在中国和韩国进行了手术治疗的情况下进行了验证。本队列中PKU-M模型的表现相似在培训队列中的表现，AUC为0.89。研究人员还将其模型的性能与四个以前的基于逻辑回归的模型进行了比较，该模型是为肺癌预测而开发的。PKU-M型号优于所有四种模型，其AUC值范围为0.68至0.81。

最后，研究人员在PKU-M型号，三个胸外科医生，放射科医生和先前建立的人工智能工具之间进行了前瞻性比较，用于诊断为RX的肺癌。这种比较是在2019年1月至2019年1月在中国的四个独立医院接受手术治疗的78名患者（200个结节）进行了这种比较。类似于培训和验证队列，PKU-M模型的表现0.87的AUC，其从外科医生（AUC为0.73〜0.79的AUC），放射剂（AUC为0.75），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。“

“制定了模型，以协助临床诊断，这意味着它们应该是实用的，”北京大学人民医院胸部外科教授的研究作者Jun Wang说。“因此，我们设计了一种基于Web的PKU-M版本模型，临床医生可以输入几种临床和放射学特征，软件将自动计算特定患者中恶性肿瘤的风险。该工具可以快速产生客观诊断，并可以帮助临床决策。“

因为这项研究只使用来自亚洲患者的数据，所以它可能对西方人口或其他人口不明显，这可能是对本研究的限制。

---

---