A mund të parashikojë AI rrezikun e ardhshëm të kancerit të mushkërive nga një CT e kraharorit?

How AI predicts lung cancer risk 6 years in advance

MIT Jameel Clinic - AI & Health · 2025-01-22 · Burimi

Videoja në anglisht e MIT Jameel Clinic, e publikuar në YouTube më 22 janar 2025, shpjegon qasjen kërkimore të Sybil. Duhet parë së bashku me kufizimet e nëngrupeve nga testi i jashtëm i mëvonshëm i vitit 2025; nuk është këshillë personale depistimi ose provë përfitimi klinik.

Çfarë pyetjeje trajtoi studimi Sybil?

Studimi origjinal, i publikuar në internet më 12 janar 2023, hulumtoi parashikimin e rrezikut të ardhshëm të kancerit të mushkërive nga vëllimi i një CT-je të vetme me dozë të ulët. Modeli u zhvillua me të dhëna NLST dhe u vlerësua në të dhëna të veçuara testimi NLST, si dhe në të dhëna nga Massachusetts General Hospital dhe Chang Gung Memorial Hospital në Tajvan. Vlerësimi retrospektiv i imazheve ndryshon nga një studim rezultatesh ku modeli drejton vendimet klinike.

Çfarë shtoi testi i jashtëm i vitit 2025?

Studimi i Radiology, i publikuar më 5 gusht 2025, analizoi në mënyrë retrospektive të dhënat e 18 057 personave në një qendër të vetme kontrolli shëndetësor. Kanceret tashmë të dukshme në CT-në fillestare u vlerësuan veçmas nga ato që u shfaqën më vonë. Në nëngrupin që nuk kishte pirë kurrë duhan ose kishte pirë pak, AUC për kanceret e ardhshme ishte 0,56. AUC mat aftësinë dalluese; nuk nënkupton rrezik personal kanceri 56% apo saktësi diagnostike 56%.

Pse ndahen përfitimi i depistimit me CT dhe ai i AI?

Publikimi NLST i vitit 2011 raportoi një provë të randomizuar që krahasoi depistimin me CT me dozë të ulët me radiografinë e kraharorit te persona me rrezik të lartë dhe gjeti ulje të vdekshmërisë nga kanceri i mushkërive. Ky rezultat lidhet me një qasje të caktuar depistimi; nuk testoi përfitimin shtesë të Sybil. Paraqitja e përfitimit të depistimit si performancë e një modeli rreziku ngatërron lloje të ndryshme provash.

A e zëvendëson rezultati i rrezikut vendimin klinik?

Një vlerësim rreziku nuk është diagnozë që tregon kancer në ind dhe as interval i sigurt ndjekjeje për të gjithë. Studimet AI të shqyrtuara nuk janë prova të randomizuara zbatimi që tregojnë se ndryshimi i intervaleve të ndjekjes me modelin përmirëson rezultatet për pacientët. Publikimi i një artikulli, disponueshmëria publike e modelit dhe autorizimi rregullator për përdorim klinik të caktuar janë gjithashtu gjendje të ndryshme.

Si vlerësohet një pretendim për zbatimin?

Në vlerësimin redaksional, shqyrtoni së bashku popullatën e synuar, historinë e duhanpirjes, protokollin CT, versionin e modelit dhe horizontin e parashikimit. Performanca e nëngrupeve, përputhja mes rrezikut të parashikuar e të vëzhguar, alarmet e rreme dhe siguria e rreme kërkojnë vlerësim të veçantë. Hapi tjetër është testimi prospektiv i përfitimeve dhe dëmeve në rrjedhën reale të vendimmarrjes. Artikulli nuk jep këshillë personale për depistim, ndjekje ose trajtim.