導讀 根據托馬斯在開放獲取期刊PLOS Medicine上發(fā)表的一項新研究,僅配備人們年齡、吸煙時間和每天吸煙數量數據的機器學習模型可以預測肺癌風險...
根據托馬斯在開放獲取期刊PLOS Medicine上發(fā)表的一項新研究,僅配備人們年齡、吸煙時間和每天吸煙數量數據的機器學習模型可以預測肺癌風險并確定誰需要肺癌篩查英國倫敦大學學院的 Callender 及其同事。
肺癌是全世界最常見的癌癥死亡原因,如果不及早發(fā)現,患者的生存率很差。對高危人群進行肺癌篩查可以將肺癌死亡人數減少近四分之一,但確定高危人群的理想方法尚不清楚。當前肺癌風險標準護理模型需要 17 個變量,其中很少有常規(guī)可在電子健康記錄中找到。
在這項新研究中,研究人員利用來自英國生物銀行隊列的 216,714 名曾經吸煙者和參與美國國家肺部篩查試驗的 26,616 名曾經吸煙者的數據來開發(fā)肺癌風險的新模型。
機器學習模型使用三個預測因素——年齡、吸煙時間和吸煙年數——來計算人們在未來五年內患肺癌和死于肺癌的幾率。研究人員使用來自美國前列腺、肺、結直腸和卵巢篩查試驗的第三組數據測試了新模型。
該模型預測肺癌發(fā)病率的敏感性為 83.9%,預測肺癌死亡的敏感性為 85.5%。在同等特異性下,該模型的所有版本都比當前使用的風險預測公式具有更高的靈敏度。
卡倫德補充道:“我們知道,對那些很有可能患上肺癌的人進行篩查可以挽救生命。通過機器學習,我們已經能夠大大簡化我們確定誰處于高風險人群的方法,并提出了一種方法,可以這是朝著廣泛實施個性化篩查以及早發(fā)現許多疾病的方向邁出的令人興奮的一步。”
標簽:
免責聲明:本文由用戶上傳,如有侵權請聯系刪除!