首页 > 文章详情

2025 WCLC 专场合集 | MA05：肺癌筛查的精准化

08月30日

编译：肿瘤资讯

来源：肿瘤资讯

2025年世界肺癌大会（WCLC）作为全球肺癌研究领域的顶级盛会，再次汇聚了顶尖的智慧与前沿的探索。在众多备受瞩目的专场中，“MA05: 肺癌筛查的精准化”无疑是焦点之一。低剂量计算机断层扫描（LDCT）作为肺癌筛查的金标准，在降低死亡率方面功勋卓著，但其高假阳性率、对大量偶发性肺结节的管理困境，以及对筛查人群的精准界定等挑战，始终是临床实践中的痛点。本专场直面这些挑战，集中展示了从人工智能（AI）影像解读、多组学液体活检，到大规模真实世界筛查项目和系统化结节管理方案的革命性进展，旨在为肺癌筛查绘制一幅更精准、高效、个体化且公平的未来蓝图。

专场摘要深度解读

MA05.01: 基于指南的偶发肺结节系统化管理方案：梅奥医学中心实践经验

讲者: ROBERT ANDERSON, DNP, APRN, CNP
核心发现: 梅奥医学中心通过应用一款结合自然语言处理技术的商业软件，建立了一个系统化的偶发性肺结节（IPN）管理流程。该系统能自动识别影像报告中的肺结节并提示规范化随访，有效弥补了临床实践中高达50%-90%的随访缺失。实施后，该项目成功将837例可能“失访”的患者纳入规范管理，并从中新发现了8例恶性肿瘤。
研究启示: 这项研究聚焦于筛查“之后”的关键环节——结节管理。它展示了技术驱动的流程改进如何有效解决IPN管理混乱、随访依从性差的普遍难题。一个系统化的闭环管理方案，是确保筛查效益最大化、避免诊断延迟的“最后一公里”。

MA05.02: 台湾国家肺癌低剂量CT筛查计划针对吸烟者及有肺癌家族史非吸烟者的初步结果

讲者: Pan Chyr Yang, MD, PhD
核心发现: 台湾大规模、前瞻性的国家筛查项目（TNLCEDP）报告了其初步成果。该项目创新性地将“有肺癌家族史的非吸烟者”纳入筛查范围，结果发现该人群的肺癌检出率（1.7%）甚至高于重度吸烟者（0.8%）。筛查显著提升了早期（0-I期）肺癌的诊断比例（高达83.2%）。模型预测，该筛查策略将大幅降低晚期肺癌发生率和死亡率。
研究启示: 这是对现有肺癌筛查标准的重大突破。台湾的实践经验强有力地证明，仅基于吸烟史的筛查标准是不够的，尤其在亚洲地区，将家族史等重要风险因素纳入考量，对于实现更广泛和公平的早期诊断至关重要，为全球筛查政策的制定提供了宝贵借鉴。

MA05.03: Sybil在少数群体中的验证：来自Sybil实施联盟的结果：UIC，MGH，Baptist，Wellstar

讲者: M. Pasquinelli
内容暂未公布

MA05.04: SENTINL0系统：肺癌早期预警全流程监测工具

讲者: Alex Krule, MD,MS
核心发现: 在一项多族裔肺癌筛查人群的中期分析中，结合临床与影像学特征的多模态AI模型（SENTINL0）展现出优异的肺癌预测能力，其受试者工作特征曲线下面积（ROC AUC）达到0.82。该模型特异度高达0.96，阴性预测值（NPV）更是达到0.97。
研究启示: 这项研究证实了AI模型在不同族裔背景人群中的有效性与公平性。SENTINL0系统凭借其极高的阴性预测值，在“排除”低风险个体方面极具临床价值，能够有效减少不必要的检查和患者焦虑，有望成为优化个体化筛查、减少健康差异的重要决策辅助工具。

MA05.05: 加拿大两项队列研究中Sybil低剂量CT评分纵向分析

讲者: Clinton Durney, Ph.D.
核心发现: 基于两项加拿大大型肺癌筛查队列的纵向数据分析显示，AI模型Sybil的风险评分在肺癌确诊者中始终显著高于非确诊者，且评分均值随着确诊时间的临近而呈上升趋势。然而，研究也发现，个体的评分轨迹存在显著的异质性。
研究启示: 该研究首次揭示了Sybil评分在个体时间维度上的动态变化规律，证实了其作为动态风险评估工具的潜力。但个体评分的高度变异性也提醒我们，在临床应用中，不能仅凭单次评分的升降来做决策，而应结合其长期趋势和其他临床信息进行综合判断，提示模型未来仍需进一步优化。

MA05.06: 基于五大国际肺癌筛查队列整合循环蛋白标志物的肺结节恶性风险预测模型

讲者: Elham Khodayari Moez, PhD
核心发现: 该研究开发并验证了一个名为INTEGRAL-PEN的新型预测模型，该模型整合了循环蛋白标志物、临床及影像学特征。在独立的外部验证队列中，该模型预测5年内肺结节恶性风险的AUC达到0.80，显著优于广泛使用的Brock模型（AUC=0.74）和Lung-RADS分类（AUC=0.65）。
研究启示: 蛋白质组学为肺结节风险分层增添了新的维度。这项研究表明，血液中的蛋白信号能有效提升预测模型的准确性，帮助临床医生更精准地判断结节的恶性风险，从而制定更合理的随访或干预计划。

MA05.07: 呼吸组学用于肺癌早期无创检测：一项采用TD-GC-MS与便携式微型气相色谱的前瞻性多中心研究

讲者: Runchen Wang, Dr.
核心发现: 在一项迄今最大规模的呼吸组学研究中，研究者鉴定出一个由14种挥发性有机化合物组成的“呼吸指纹”，可用于识别肺癌。该模型灵敏度极高（内部验证95%，外部验证91%），尤其擅长检出小于10毫米的微小病灶和IA1期肺癌。更重要的是，该技术已成功移植到便携式设备上进行验证。
研究启示: “吹气测肺癌”正从概念走向现实。这项研究证实，呼吸组学是一种极具前景的无创、经济、便捷的筛查手段。其高灵敏度和对极早期病变的捕捉能力，使其有望成为LDCT筛查的有效补充或初筛工具，特别适用于基层和大规模人群筛查场景，将极大提升筛查的可及性。

MA05.08: 血清和支气管灌洗液中游离DNA甲基化标志物用于肺癌检测的前瞻性观察研究

讲者: Yechan Song
核心发现: 本研究比较了血清和支气管灌洗液（BW）中cfDNA甲基化标志物的诊断效能。结果显示，基于BW样本的双基因甲基化组合在诊断肺癌方面的表现（AUC=0.785，特异性82.4%）显著优于基于血清的四基因组合（AUC=0.600，特异性40.0%）。
研究启示: 对于通过支气管镜检查的肺结节患者，该研究提示，在灌洗液中进行甲基化分析是一种极具潜力的“辅助诊断”工具。它能在传统细胞学检查之外提供有价值的分子信息，提高诊断的准确率，尤其是在鉴别良恶性结节方面展现了优越的特异性。

MA05.09: 外周血单细胞免疫特征驱动的小型恶性肺结节精准诊断：一项前瞻性多中心研究

讲者: Yang Xia, M.D., Ph.D
核心发现: 该研究开创性地开发了基于外周血单细胞免疫图谱的SMART人工智能平台。该平台包含两大模块：诊断决策（DIA）模块用于鉴别肺结节的良恶性，其在验证队列中的AUC高达0.952，显著优于Mayo等传统临床模型；手术决策（SUR）模块则用于评估肺腺癌的侵袭性，其区分微浸润与浸润性腺癌的AUC达到0.949，表现超越资深临床医师。
研究启示: 这项研究实现了“抽血验结节”的重大突破。通过一次无创的血液检测，SMART平台不仅能高精度判断小型肺结节的性质，还能预测其“恶性程度”，为临床决策（观察、穿刺或手术）提供了强有力的依据，有望大幅减少不必要的有创检查和过度治疗，是肺结节精准管理的“导航仪”。

专场总结与展望

“MA05: 肺癌筛查的精准化”专场描绘了一幅激动人心的肺癌防控新图景。各项研究成果共同揭示了该领域的四大核心趋势：

超越影像，迈向多组学决策： 筛查的未来不再仅仅依赖于影像学的“形态”，而是深度融合了来自血液（免疫细胞、蛋白质）和呼吸（代谢物）的“功能”信息。这种多组学整合，正将肺结节的鉴别诊断提升至前所未有的精准度。
AI赋能，贯穿筛查全程： 人工智能已成为精准筛查的“引擎”，无论是直接解读LDCT图像（Sybil）、解析复杂的生物数据（SMART），还是优化临床工作流程（梅奥IPN管理），AI的应用正让筛查变得更智能、更高效。
重新定义风险，实现公平筛查： 以台湾研究为代表的证据，正强力推动全球反思和拓宽现有的筛查标准。将肺癌家族史等非吸烟风险因素纳入考量，是弥补健康不平等、实现对所有高危人群公平覆盖的关键一步。
从“筛”到“管”，构建完整闭环： 精准筛查的终极目标是改善患者结局。本专场不仅关注“如何发现”，同样重视“发现后怎么办”。对偶发结节的系统化管理，确保了每一个筛查发现的异常都能得到及时、规范的处理，真正实现了筛查的价值。

总体而言，本专场的研究成果标志着肺癌筛查正从一个相对粗放的“广撒网”模式，向一个整合了AI、多组学技术和精细化风险评估的“精确制导”新时代迈进。这不仅将显著提高筛查效率、降低医疗负担，更重要的是，将为更多潜在的肺癌患者赢得宝贵的治愈机会。

责任编辑：肿瘤资讯-明小丽
排版编辑：肿瘤资讯-明小丽