您好,欢迎您

2025 WCLC | SENTINL0系统:肺癌早期预警全流程监测工具

08月15日
编译:肿瘤资讯
来源:肿瘤资讯
Session Type

Mini Oral

Session Title

MA05. Precision in Lung Cancer Screening

摘要号

MA05.04

英文标题

SENTINL0 Systemwide Early Notification Tool for Imminent Nascent Lung Cancer

中文标题

SENTINL0系统:肺癌早期预警全流程监测工具

讲者

Alex Krule, MD,MS

讲者机构

UIC

背景

通过低剂量计算机断层扫描(LDCT)进行肺癌早期筛查可显著提高生存率。然而,由于筛查可及性、依从性及主要基于非西班牙裔白人队列制定的准入标准存在差异,种族与民族间的健康不平等现象持续存在。以Sybil为代表的AI驱动模型(一种基于国家肺部筛查试验LDCT图像训练的Resnet18三维卷积神经网络)已证实能够通过LDCT扫描预测肺癌风险,但其在多样化人群中的表现尚不明确。本研究评估了将Sybil模型应用于现有胸部影像时,其预测肺癌发生风险的效能是否优于标准LDCT筛查。通过在多族裔人群中验证模型效能,研究者旨在确认AI风险分层技术能否提升筛查效率、减少健康差异并优化个体化筛查策略。

方法

本双向性前瞻-回顾研究纳入伊利诺伊大学医疗系统(UIH)接受肺癌筛查(LCS)的患者。采用多模态AI推理技术(Zakkar等,MedRxiv 2024)基于临床与影像学特征预测肺癌风险,通过电子健康记录复核确定肺癌诊断结局。

结果

截至分析时共纳入1,584例接受LDCT检查的受试者,中位随访期约6个月。预测模型显示出优异的判别能力,受试者工作特征曲线下面积(ROC AUC)达0.82,精确召回曲线下面积(PR AUC)为0.41。当敏感度阈值为0.79时,模型特异度达0.96。阳性预测值(PPV)与阴性预测值(NPV)分别为0.26和0.97。

结论

本项多族裔肺癌筛查人群的中期分析显示,多模态AI模型具有令人期待的肺癌预测能力。该模型凭借高特异度与阴性预测值展现出卓越的病例鉴别效能,有望成为LDCT临床评估的重要决策辅助工具。后续需通过长期随访验证完整诊断流程的准确性以最终确认模型性能。



责任编辑:肿瘤资讯-明小丽
排版编辑:肿瘤资讯-明小丽



版权声明
本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明“转自:良医汇-肿瘤医生APP”。