麻省理工學院攜手長庚醫院開發Sybil人工智慧模型，可預測未來六年罹患肺癌機率

文：李林璦

近日，麻省麻省理工學院（MIT） 開發出一個名為Sybil的理工率人工智慧（AI）模型，可預測未來六年罹患肺癌的學院攜手型機率，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長庚低劑量電腦斷層掃瞄（LDCT）影像進行驗證，準確度近8成。醫院預測該研究發表於《Journal of Clinical Oncology》。開發

研究人員指出，工智該AI模型特別的慧模患肺是可以用來檢測沒有吸菸史的患者罹患肺癌的機率，因為目前的未來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年罹機率幾乎翻倍成長。

指南建議50歲以上、癌機有20年吸菸史的麻省人，每年應接受一次LDCT，理工率但目前只有不到10％的學院攜手型人有做到該指南的建議，因此，長庚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6282個LDCT數據進行開發，並使用麻州總醫院癌症中心8821個LDCT數據，和長庚紀念醫院1萬2280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

• Artificial intelligence tool developed to predict risk of lung cancer
• Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography（Journal of Clinical Oncology）

本文經環球生技月刊授權刊登，原文刊載於此

【加入關鍵評論網會員】每天精彩好文直送你的信箱，每週獨享編輯精選、時事精選、藝文週報等特製電子報。還可留言與作者、記者、編輯討論文章內容。立刻點擊免費加入會員！

責任編輯：朱家儀
核稿編輯：翁世航