亮相2023 ASCO，肺結節診斷再添“中國方案”——PulmoSeek Plus V2.0模型書寫肺癌早篩早診新篇章

隨著國民健康意識的不斷提升以及低劑量螺旋CT（LDCT）的普及，肺結節的檢出率逐年增加，如何快速、精準地鑒別出惡性肺結節成為了臨床工作中的一大難題。針對這一臨床需求，廣州醫科大學附屬第一醫院國家呼吸系統疾病臨床醫學研究中心和基準醫療牽頭，聯合國內23家頂級醫院開展了“鐘聲計劃”——將循環腫瘤DNA（ctDNA）甲基化高通量測序技術與CT影像學人工智能（AI）分析聯合用于肺結節診斷與監測的臨床研究，打造一個貼合我國臨床實踐的多模態診斷模型。

在此次ASCO年會中，研究者公布了該計劃中的部分研究成果。研究者入組1276例施行肺結節切除術并獲得病理確診的5-30mm單發肺結節患者，采集了患者的臨床信息、術前外周靜脈血樣和胸部CT-DICOM數據。隨后，研究者采用深度學習方法在含有797例患者的訓練集中進行圖像中目標結節分割，利用PyRadiomics工具從原始圖像和衍生圖像提取2153個影像組學特征。

基于臨床信息和影像組學特征，研究者分別采用LightGBM、Lasso、Random Forest和Logistic Regression算法，構建了四種良惡性分類模型，將該四種預測概率平均值作為CRBM模型的最終評分。在訓練集（n1=201）以及驗證集（n2=278）中，CRBM模型的AUC分別達到0.81（95%CI 0.73-0.90）和0.80 (0.74-0.86)1。

圖1. CRBM模型在兩個獨立驗證集中的ROC曲線

基于既往研發的PulmoSeek模型2和CRBM模型評分在區分良惡性肺結節方面具有良好預測效果，研究者進一步應用邏輯回歸算法，整合了臨床信息、CT影像組學特征和循環游離DNA（cfDNA）甲基化標志物等多模態信息，構建出聯合模型—PulmoSeek Plus V2.0，并分別在訓練集（n=201）以及獨立驗證集（n=278）評估其綜合診斷性能，其AUC 分別達到0.93 (0.90-0.97)和 0.91 (0.88-0.95), 準確率分別達到0.89 (0.84-0.93)和0.84 (0.79-0.88)。此外，在早期肺癌（0/I期，n=327）中，PulmoSeek Plus V2.0模型的敏感性高達0.98（0.96-0.99），而對5-10mm惡性小結節（n=92），其敏感性高達0.98（0.92-0.99）。

圖2. PulmoSeek Plus V2.0多模態模型構建概覽

圖3. PulmoSeek Plus V2.0模型在訓練集及獨立驗證集中的ROC曲線

圖4. PulmoSeek Plus V2.0模型在早期肺癌和小結節中的性能

在分析合并集（n=479）中，多模態聯合模型PulmoSeek Plus V2.0的綜合診斷性能較CRBM模型和PulmoSeek模型得到顯著提升，其AUC達到0.918（0.892-0.944），準確率達到0.862（0.828-0.890）。在臨床“排陰（rule-out）”用途時，PulmoSeek Plus V2.0鎖定特異性為50%，敏感性高達0.978（0.957-0.989）。值得注意的是，當發病率為5%時，該模型校正后的陰性預測值（NPV）高達0.998。PulmoSeek Plus V2.0模型進一步提高了早期惡性肺結節的檢出率及診斷率，更好地避免了良性肺結節的過度診療及醫療支出。

表1. CRBM、PulmoSeek以及PulmoSeek Plus V2.0模型性能

既往已有多種基于臨床參數或人工智能（AI）的輔助診斷算法協助臨床醫師進行肺癌早篩，如卷積神經網絡（CNN）3等，但大多基于海外肺癌患者數據構建，缺乏中國人群數據，難以貼合我國肺癌早診的臨床實踐。基于此，“鐘聲計劃”創新性地將ctDNA甲基化高通量測序技術與CT影像學AI結合，通過萬例患者樣本及數年跟蹤隨訪，構建出具有中國人群特點的早篩早診模型。PulmoSeek Plus V2.0模型在ASCO年會中的亮相，不僅證實了國際腫瘤學界對該項研究成果的認可，也為我國肺癌早診早篩再添“利器”。

與此同時，聯合團隊仍在不斷探索，以進一步推動我國肺癌早篩早診的發展，“鐘聲計劃”已于2021年完成全部受試者入組，截止目前，已完成研究出組約5500例、正在隨訪中約3000例，預計將于2024年5月完成全部受試者出組。部分研究成果即將在《The Lancet》子刊發表。期待相關研究數據的公布，為我國臨床醫生提供更加全面、精準、貼合國情的診斷工具，助力實現“早發現，早治療”的目標，進一步改善肺癌患者長期生存獲益。