Tõlke kuupäev ·

How AI predicts lung cancer risk 6 years in advance
MIT Jameel Clinic - AI & Health · · Allikas
MIT Jameel Clinicu 22. jaanuaril 2025 YouTube’is avaldatud ingliskeelne video selgitab Sybili uurimiskäsitlust. Seda tuleb vaadata koos hilisema 2025. aasta välise testi alarühmade piirangutega; see ei ole isiklik sõeluuringunõu ega kliinilise kasu tõend.
Video avamine ühendab seadme teenusega YouTube. Teenusepakkuja võib saada IP-aadressi ja seadmeteavet ning kasutada küpsiseid. Video ei käivitu automaatselt.
Millise küsimuse esitas Sybili uuring?
12. jaanuaril 2023 veebis avaldatud originaaluuring käsitles tulevase kopsuvähiriski ennustamist ühe madaladoosilise KT ruumiliste kujutiste põhjal. Mudel arendati NLST andmetel ning seda hinnati eraldatud NLST testiandmete, Massachusetts General Hospitali ja Taiwani Chang Gung Memorial Hospitali andmetega. Tagasivaateline kujutiste hindamine erineb uuringust, kus mudel suunab kliinilisi otsuseid ja mõõdetakse patsienditulemusi.
Mida lisas 2025. aasta väline test?
5. augustil 2025 avaldatud Radiology uuring analüüsis tagasivaateliselt ühe tervisekontrollikeskuse 18 057 inimese andmeid. Algsel KT-l juba nähtavat vähki hinnati eraldi hiljem tekkinud vähist. Mittesuitsetajate või vähese suitsetamiskogemusega inimeste alarühmas oli tulevaste vähijuhtude AUC 0,56. AUC mõõdab eristusvõimet; see ei tähenda inimese 56% vähiriski ega 56% diagnostilist täpsust.
Miks eristada KT sõeluuringu ja AI kasu?
2011. aasta NLST publikatsioon kirjeldas randomiseeritud uuringut, mis võrdles kõrge riskiga inimestel madaladoosilist KT sõeluuringut rindkere röntgeniga ning leidis kopsuvähisuremuse vähenemise. Tulemus puudutab kindlat sõeluuringumeetodit ega hinnanud Sybili lisakasu. Sõeluuringu kasu esitamine riskimudeli toimivusena ajab eri tõendiliigid segamini.
Kas riskiskoor asendab kliinilisi otsuseid?
Riskihinnang ei ole koes vähki kinnitav diagnoos ega kõigile ohutu jälgimisintervall. Käsitletud AI-uuringud ei ole randomiseeritud rakendusuuringud, mis näitaksid mudeli abil jälgimisintervallide muutmise kasu patsienditulemustele. Artikli avaldamine, mudeli avalik kättesaadavus ja regulatiivne luba kindlaks kliiniliseks kasutuseks on samuti eri asjad.
Kuidas hinnata kasutuselevõtu väidet?
Toimetuslikus hindamises vaadake koos sihtrühma, suitsetamisajalugu, KT-protokolli, mudeliversiooni ja ennustusperioodi. Eraldi tuleb hinnata alarühmade toimivust, ennustatud ja täheldatud riski kooskõla, valehäireid ning põhjendamatut kindlustunnet. Järgmine samm on kasu ja kahju prospektiivne uurimine tegelikus otsustustöövoos. Artikkel ei anna isiklikku sõeluuringu-, jälgimis- ega ravinõu.
Allikad
- Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography ↗
Vaadatud: 2026-11-11 - External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT ↗
Vaadatud: 2026-11-11 - Reduced lung-cancer mortality with low-dose computed tomographic screening. ↗
Vaadatud: 2026-11-11
Artikkel on hariduslik ja informatiivne. Organisatsioonile viitamine ei tähenda selle heakskiitu RAI Health Prole ega tõenda toote või mudeli kliinilist tõhusust.