中西医智能筛查模型助力胃癌前病变筛查

本报讯　（记者徐 婧）日前，清华大学长聘教授、欧洲科学与艺术院院士李梢课题组在《柳叶刀》子刊《电子临床医学》（eClinicalMedicine）发表题为《基于症状和生活方式数据的可解释机器学习模型在胃癌前病变无创筛查中的开发与验证：一项多中心队列研究》的研究论文，创建了首个融合患者中西医临床症状信息与生活方式数据的可解释智能筛查模型，实现胃癌前病变的高精度、非侵入筛查。相比指南推荐的筛查策略，该模型显著提升了胃癌前病变的筛查精度，并大幅降低了筛查成本，为提升胃癌前病变内镜筛查的针对性与覆盖度、推动胃炎癌转化中西医智能与精准预警提供了新工具、新方案。

我国胃癌高发，胃癌前病变是胃癌发生的关键转化阶段。当前的内镜筛查方式由于成本高、难以大规模普及，导致对胃癌前病变患者的覆盖度有限。

李梢介绍，该研究在胃癌前病变相关中西医临床表型数据挖掘以及可解释性智能筛查模型构建上取得了重要突破。研究基于前期构建的胃炎癌转化临床队列，开展了以常规胃癌风险因素、中西医临床症状以及生活方式数据为核心的中西医临床表型数据采集与智能分析，构建出胃癌前病变相关中西医非侵入式临床表型大数据。

团队牵头在皖南医学院弋矶山医院、中日友好医院等多家医疗机构多中心临床队列，以及福建胃癌高发区自然人群队列中开展了该模型的外部验证分析，发现其具有以下几方面的显著优势：一是精度高，经1751例的队列人群验证，该模型对胃癌前病变的筛查精度相比指南推荐筛查策略平均提升50.5%；二是成本低，与指南推荐筛查策略相比，该模型可使每检出1例胃癌前病变的平均成本降低37.1%，并减少37.9%的不必要内镜检查；三是易推广，该模型所纳入的风险筛查因素均为非侵入、可客观量化且具有明确临床指导意义，同时该模型不依赖于现有临床设备，使得该模型更容易在大规模社区人群中推广应用。

“该模型提供了一种全新的高精度、低成本、可规模化推广的胃癌前病变一级筛查工具，为临床内镜检查提供高质量前置分流方案，推动胃癌前病变中西医结合精准筛查与高效防治。”李梢表示，该研究通过对胃癌前病变表型数据的智能解析，发现气虚、湿热等相关中医临床典型症状是胃癌前病变风险筛查的显著因素之一。这丰富了中医理论的科学内涵，也为揭示胃癌前病变向胃癌转化临界状态的中医核心病机与中药干预机制提供了重要突破口。

《电子临床医学》2018年由爱思唯尔公司创办，是《柳叶刀》旗下高影响力开放获取临床医学期刊，致力于发表能解决全球健康问题的前沿研究。