肺癌是美国和全世界癌症死亡的主要原因。建议使用低剂量胸部计算机断层扫描 (LDCT) 筛查 50 至 80 岁之间有显着吸烟史或目前吸烟的人。经证明，使用 LDCT 进行肺癌筛查可将肺癌死亡率降低多达 24%。

但随着非吸烟者肺癌发病率的攀升，需要新的策略来筛查和准确预测更广泛人群的肺癌风险。由麻省总医院癌症中心的研究人员领导的一项研究与麻省理工学院 (MIT) 的研究人员合作，开发并测试了一种名为 Sybil 的人工智能工具。

根据对美国和患者的 LDCT 扫描分析，Sybil 准确预测了有或没有显着吸烟史的个体患肺癌的风险。结果发表在《临床肿瘤学杂志》上。

“从不吸烟或多年不吸烟的人群中，肺癌发病率持续上升，这表明有许多风险因素导致肺癌风险，其中一些目前尚不清楚，”通讯作者 Lecia Sequist 医学博士说，公共卫生硕士，早期癌症检测创新中心主任，麻省总癌症中心肺癌内科肿瘤学家。

“我们开发了一种工具，可以使用图像来观察集体生物学并预测癌症风险，而不是评估个体环境或遗传风险因素。”

美国预防服务工作组建议 50 岁以上、有 20 包年历史、目前吸烟或在过去 15 年内戒烟的人每年进行 LDCT。但每年只有不到 10% 的符合条件的患者接受筛查。

为了帮助提高肺癌筛查的效率并提供个性化评估，麻省综合癌症中心的 Sequist 及其同事与麻省理工学院贾米尔诊所的研究人员合作。利用国家肺部筛查试验 (NLST) 的数据，该团队开发了 Sybil，这是一种深度学习模型，可以分析扫描结果并预测未来一到六年的肺癌风险。

“Sybil 只需要一次 LDCT，不依赖于临床数据或放射科医生的注释，”共同作者、马萨诸塞州综合医院胸部影像与介入科放射科医学博士 Florian Fintelmann 说。“它被设计为在标准放射学阅读站的背景下实时运行，支持即时临床决策支持。”

该团队使用三个独立的数据集验证了 Sybil——一组来自 6,000 多名 Sybil 之前未见过的 NLST 参与者的扫描;来自麻省总医院 (MGH) 的 8,821 个 LDCT;以及来自长庚纪念医院的 12,280 台 LDCT。后一组扫描包括有一系列吸烟史的人，包括那些从不吸烟的人。