为患者订购普通诊断性胸透的临床医生一直坐享着大量未使用的预后信息。自19世纪以来一直用于检测特定异常的x光片，可能很快就会被用于识别长期的死亡风险——在机器学习的帮助下。

        利用两项大型随机试验的数据，研究人员开发了一种名为CXR-risk的卷积神经网络，它将参与者按全因死亡率风险进行分层。他们用8.5万张x光片和4万多人的随访数据训练了人工智能(AI)系统。该系统从单个胸片中提取信息，发现风险评分与死亡率之间存在分级关联。

        “我们用胸部x光来诊断肺炎，”卢继续说，“但我们的研究表明，图像上也有关于健康和寿命的免费预后信息，人工智能可以提取这些信息来预测12年后谁还活着。”

        他希望使用人工智能计算的分数可以激励高危人群通过预防、定期筛查和改变生活方式来降低死亡几率。

        研究人员根据cxr风险评分将个体分成五组。在前列腺癌、肺癌肺癌肺癌肺癌、结肠直肠癌和卵巢癌筛查(PLCO)试验中，对于cxr风险评分很高的患者，随访12.2年的死亡率为53.0%(472人中有250人死亡);在国家肺筛查试验(NLST)的6.3年里，这一比例为33.9%(61/180)。

        在未经调整的分析中，这些比率分别转化为18.3倍(95%置信区间[CI]， 14.5 - 23.2, P <和15.2倍(95% CI, 9.2 - 25.3, P <与cxr风险评分非常低的人相比，死亡率更高。< p="">

        根据评分，极低风险组的PLCO死亡率为3.8%(2543名参与者中有97人死亡)，低风险组为7.8%(2769人中有216人死亡)，中度风险组为12.7%(2674人中有339人死亡)，高风险组为24.9%(2006年有500人死亡)。

        极低风险组的NLST死亡率为2.7%(752人中有20人)，低风险组为3.8%(1679人中有64人)，中等风险组为6.7%(1723人中有115人)，高风险组为9.8%(1159人中有114人)。

        至于在日常实践中的应用，常规诊断x射线可以相当容易地上传到专门的网站进行人工智能风险分析，这是可行的。但是，陆警告说，“虽然技术已经成熟，我们需要临床试验来证明这些信息有助于决策和改善健康。”

        此外，他指出，目前还不清楚有多少患者想知道他们12年的死亡风险。

研究详情

        为了开发和测试该算法，Lu和他的同事使用了来自PLCO (n = 52,320)的筛查放射学部门的数据。PLCO是一个以社区为基础的队列，包括无症状不吸烟吸烟吸烟吸烟者和年龄在55到74岁之间的吸烟者。参加者于1993年11月至2001年7月在美国10个地点登记。为了进行外部测试，研究人员分析了NLST (n = 5493)筛查放射学部门的数据。NLST是一个55岁至74岁的重度吸烟者社区队列，从2002年8月到2004年4月在21个美国站点登记。

        研究人员使用了41,856名PLCO参与者的数据来训练该系统。然后，他们在剩余的10464名PLCO参与者和5493名NLST参与者身上测试了该算法。

        PLCO试验组参与者平均年龄为62.4岁，其中男性5405人(51.6%)，白人86.5%。NLST的5493名参与者平均年龄为61.7岁，其中男性3037人(55.3%)，白人92.9%。

        分析了2018年1月至2019年5月的主要终点全因死亡率和特定原因死亡率的数据。

        作者注意到cxr评分与两组测试人群的死因特异性死亡也有显著相关。具体地说，对于肺癌死亡，在PLCO中得分最高的五分位数对得分最低的五分位数的aHR分别为11.1和8.4。在心血管死亡方面，PLCO和te NLST的aHR分别为3.6和47.8。在呼吸系统死亡方面，aHR分别为27.5和31.9。

        作者警告说，该系统主要是在55岁至74岁的白人无症状人群中进行测试的，他们可以使用前后胸片筛查，其预后价值需要在其他人口统计学群体中进行评估。

        “陆等研究结果强调深度学习的诱惑之一:识别病人的风险不良结果的可能性,然后试图避免这种不良结果,“写Surafel Tsega,医学博士,伊坎的医学院在纽约市西奈山,Hyung j .赵,医学博士,纽约市卫生和医院,请评论。

        然而，他们警告说，人工智能辅助预测和现实预防之间存在差距。“[W]如果我们还不知道如何处理这些信息，这一预测的作用是什么?什么是有价值的预防策略?在他们看来，卢及其同事的研究强调了“开发科学合理的算法与将其应用于任何有意义的实际应用之间的鸿沟。”

        评论人士写道，虽然承认深度学习可以提高临床判断和护理水平，但围绕人工智能潜力的夸大其词“应该受到现实的调和，即我们目前拥有的技术远没有那么雄心勃勃”。因此，通过人工智能预防不良后果的可能性仍然很遥远。

        他们写道:“我们不应该只是陶醉于自己能做什么，而是必须清醒地认识到什么是值得知道的，什么是值得做的。”

        Novidia公司的学术项目捐赠了一个图形处理单元作为无限制的礼物。在提交的工作之外，卢向他的机构报告了来自科瓦有限公司和MedImmune的研究资金，以及来自PQ旁路手术、美国心脏协会、精密医学研究所和哈佛大学艾滋病研究中心的个人资助。合著者还报告了与私营和非私营实体的各种财务关系。Tsega和Cho没有透露任何相关的财务关系。

        《美国医学会杂志》网络开放。2019年7月19日在网上发布。全文,评论

        来源：Medscape

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！