近日，麻省理工學院(MIT) 開發出一個名為Sybil的人工智慧(AI)模型，可預測未來6年罹患肺癌的機率，並運用麻州總醫院癌症中心(Massachusetts General Cancer Center)和台灣長庚紀念醫院的低劑量電腦斷層掃瞄(LDCT)影像進行驗證，準確度近8成。該研究發表於《Journal of Clinical Oncology》。
 
研究人員指出，該AI模型特別的是可以用來檢測沒有吸菸史的患者罹患肺癌的機率，因為目前的肺癌篩檢指南中僅特別關注吸菸者，但近幾十年來非吸菸者診斷出肺癌的機率幾乎翻倍成長。
 
指南建議50歲以上、有20年吸菸史的人，每年應接受一次LDCT，但目前只有不到10%的人有做到該指南的建議，因此，Sybil可以透過單次LDCT預測6年的肺癌罹患機率，有助於提升肺癌的早期篩查。
 
Sybil這項深度學習AI演算法，是使用2015年至2021年期間，美國肺部篩檢臨床試驗(National Lung Screening Trial, NLST)的6,282個LDCT數據進行開發，並使用麻州總醫院癌症中心8,821個LDCT數據，和長庚紀念醫院12,280個LDCT數據進行驗證。
 
更特別的是，長庚紀念醫院的LDCT數據是包含沒有吸菸史的患者；研究人員運用ROC曲線下面積(Area Under the Curve, AUC)來評估Sybil預測患者罹患肺癌的準確度，AUC為1.0是滿分，Sybil可預測1年內罹患肺癌的AUC平均為0.91，在NLST的LDCT數據中AUC為0.92、在麻州總醫院癌症中心的LDCT數據中AUC為0.86、在長庚紀念醫院的LDCT數據中AUC可高達0.94。
 
Sybil在預測6年內罹患肺癌的AUC平均仍可高達0.79，在NLST的LDCT數據中AUC為0.75、在麻州總醫院癌症中心的LDCT數據中AUC為0.81、在長庚紀念醫院的LDCT數據中AUC為0.80。
 
麻省總醫院表示，目前正計畫啟動一項Sybil的前瞻性臨床試驗，將測試Sybil進入臨床後的辨識準確度，也將分析Sybil是否能夠融入放射科醫師目前的工作流程中。
 
麻省總醫院癌症早期篩檢創新中心主任Lecia Sequist表示，沒有吸菸史和已戒菸多年的肺癌患者逐年上升，顯示目前有許多肺癌的風險因子是我們尚不清楚的，Sybil可以檢測出LDCT影像中肉眼看不到的隱藏風險，目前在研究中已公開Sybil的程式碼，未來將招募更多不同種族的患者進行研究與開發。
 
參考資料：https://www.eurekalert.org/news-releases/976340
論文：https://doi.org/10.1200/JCO.22.01345