美國哈佛大學麻省總醫院和麻省理工學院攜手研發的一款人工智慧軟體Sybil，可以提早在醫師透過電腦斷層掃描（CT）發現肺癌的幾年前，就檢測出肺癌的早期徵兆，不僅可及早提醒患者留意後續發展，醫師也可為他們規劃未來的治療流程。
根據美國疾病管制及預防中心(CDC)的統計數據，肺癌是美國排名第三的常見癌症。美國癌症協會(ACS)_也指出，肺癌是美國和世界各國癌症死亡的主要原因，估計2023年全美國將有超過23萬8千例新發現的肺癌病例，以及超過12萬7千例的肺癌死亡病例。
美國范德堡大學醫學中心放射科副教授Kim Sandler表示，早期發現的肺癌，較容易治療，一旦出現持續咳嗽、呼吸困難等症狀，肺癌往往已發展到晚期，治療起來相當棘手；然而，早期發現很困難，這是因為醫師既看不到、也摸不到患者的肺部，只能透過電腦斷層掃描的影像檢查來診斷。
因此，CDC預防服務工作組不久前建議，每年應針對50歲以上、有20包年吸菸史、目前吸菸或在過去15年內戒菸的高危險群，進行低劑量電腦斷層掃描（LDCT）。但就算定期檢查，最熟練的影像診斷科醫師也無法發現所有病灶，更 何況每年也只有不到10%符合條件的患者接受這項篩檢。
臨床研究證明，利用LDCT來篩檢肺癌，可將肺癌死亡率降低高達24%，但隨著吸菸者和非吸菸者的肺癌發生率都不斷上升，顯示導致肺癌的危險因子有很多，其中一些目前仍不清楚，透過更多篩檢方式來準確預測未來罹患肺癌的風險，就顯得相當重要。
哈佛大學麻省總醫院和麻省理工學院因而攜手合作，利用美國國家肺部篩檢試驗 (NLST) 的數據，開發出Sybil這款人工智慧早期肺癌篩檢工具，這是一種透過人工智慧及深度學習的檢測模型，可以分析電腦斷層掃描結果，並預測未來一年到六年內罹患肺癌的風險。
Sybil的優勢，在於只要有患者LDCT的3D立體影像，就可分析並尋找肺部裡面微小到人類無法用肉眼發現的細胞異常生長跡象，再估評患者是否會在未來的一到六年內罹患肺癌。
研究團隊使用三個不同資料庫、2萬多名參與者的LDCT影像數據，驗證Sybil的準確度，分別是美國國家肺部篩檢試驗 (NLST)6282名、麻省總醫院8821名及台灣長庚醫院1萬2280名，並計算出曲線下面積（AUC）來確定Sybil預測肺癌的準確性。AUC是衡量區分疾病和正常樣本的一種能力指標，滿分為1.0分。
結果在這三個資料庫中，Sybil預測肺癌在一年內發展的準確率，分別是92%、86%和94%；Sybil預測肺癌在六年後發展的準確率，則分別是75%、81%和80%。該篇研究論文，2023年4月20日發表在《Journal of Clinical Oncology》（臨床腫瘤學期刊）。
哈佛大學醫學院癌症早期檢測和診斷診所Landry Family醫學腫瘤內科主任Lecia Sequist表示，她們這個研究團隊開發的Sybil，正以一種和放射科醫師完全不同的方式來看待電腦斷層掃描，並看到肉眼無法看到的一切。
同樣參與這項研究的哈佛大學放射科副教授、麻省總醫院放射科醫師Florian Fintelmann也表示，從這個結果不難看出，Sybil可以預測一個人在未來一到六年內是否會罹患肺癌。在某些情況下，Sybil檢測到影像診斷科醫師沒有檢測到的癌症跡象，直到幾年後才在電腦斷層掃描的影像中看到結節。
Florian Fintelmann因而認為，Sybil這種人工智慧檢測系統將可幫助影像診斷科醫師做出重要的治療決策，而不是完全取代影像診斷科醫師，因為最後還是需要這些醫師來確定腫瘤的位置，確定最好的治療方式，並實際進行治療。
然而，這種人工智慧檢測系統並非萬能，目前也未臻完美。Florian Fintelmann解釋，Sybil目前出現的問題，在於人工智慧深度學習的資料庫不夠多樣性，且其設計對象主要是白色人種，如果碰到黑人或棕色人種，預測準確度恐怕就沒有那麼高。
有鑑於此，美國食品暨藥物管理局(FDA)日前宣布，很快就會要求尋求醫療產品批准的研究人員和公司，可以另外提交一份計劃，以確保臨床試驗的多樣性。
Sybil目前尚未獲得FDA批准用於臨床試驗以外的用途。
美國凱斯西儲大學醫學院生物醫學工程系教授Anant Madabhushi表示，FDA至今批准用於影像醫學領域的AI工具有三百多種，大都用於協助醫師診斷和治療癌症，不像Sybil那樣用於預測某人未來罹患肺癌的風險。他認為如果Sybil日後獲得批准，它將會發揮獨特的作用。
若您對本文有任何批評與建議，歡迎點擊填寫意見表
歡迎點擊訂閱電子報，獲得最新文章訊息。
