第一項比較不同肺癌風險模型如何選擇吸煙者進行篩查的研究表明，即使執行性最佳模型也需要改進以提高其預測價值。該研究由美國國家癌症研究所(NCI)和美國癌症協會的研究人員進行。

        研究人員在5月14日發表在Annals of Internal Medicine上的在線報告中指出，對美國人口代表性樣本中的9種風險預測模型進行的分析並未就應該篩查哪些或哪些有史以來吸煙者達成共識。

        研究人員表示，在5年風險閾值為2.0%的情況下，不同模型選擇的吸煙者的篩查人群為760萬～2600萬。

        四種風險模型比其他風險模型更準確地預測風險並選擇吸煙者進行篩查。對於這些模型，篩選人群的規模(760萬至1090萬)更加接近，並且對所選擇的73%吸煙者表示認可。

        這四個模型是Bach模型，2012年卵巢癌篩查試驗模型(PLCO-M2012)，肺癌風險評估工具(LCRAT)，肺癌死亡風險評估工具(LCDRAT)。研究人員表示，這些模型總體上具有最高的識別率，在固定的特異性下具有最高的敏感性，反之亦然，在固定風險閾值下具有類似的識別率。

        這些觀察結果表明，任何這些模型都可以用來選擇那些肺癌發病率或死亡風險最高的吸煙者，這些模型中的每一個都已在外部人群中得到驗證。這些發現可能被用來為未來的指導方針提供信息

        雖然研究結果證實了既往研究結果證明的PLCO-M2012和Bach模型具有優異的表現，但研究人員強調，模型應進一步改進以提高其在某些亞群中的表現。

        例如，巴赫模型沒有考慮到種族/民族，肺癌家族史或慢性阻塞性肺病的存在。因此，它低估或高估了哪些人群應該被篩選。

        PLCO-M2012模型低估了拉美裔患者的肺癌風險2～3倍，而LCRAT和LCDRAT模型均低估了亞洲/其他亞組的風險。

        研究人員指出，目前沒有肺癌篩查的風險閾值。來自美國國家綜合癌症網絡的2018年肺癌篩查指南指出，可以使用個體化風險模型來選擇吸煙者進行篩查。

        越來越多的人認識到，與使用簡單的二分風險因素選擇吸煙者進行篩查相比，個體化風險計算能夠解釋某些人口統計學，臨床和吸煙特征，可以大大提高CT篩查計劃的有效性和效率。

研究細節

        對於這項研究，研究人員將重點放在風險預測模型上，該模型使用全國健康訪問調查的2010～2012年數據來估計符合篩查條件的美國人數。

        為了評估每個預測模型的表現，研究人員使用了來自兩個美國大型隊列的數據。第一個隊列由美國國立衛生研究院-美國退休人員協會(正式為美國退休人員協會)飲食與健康研究中的337,388名曾經吸煙者組成。第二隊列包括CPS-II(癌症預防研究II)營養調查隊列中的72,338名曾經吸煙者。

        研究人員測量了模型預測病例與觀察病例的比例以確定模型校準。研究人員使用曲線下麵積(AUC)來確定區別。

        Bach模型、PLCO-M2012、LCRAT和LCDRAT模型在固定的特異性下具有最高的靈敏度，反之亦然。在固定的風險閾值下，區別是相似的。預期觀察比例介於0.92～1.12，AUC介於0.75～0.79。

        這比Spitz模型，利物浦肺癌項目(LLP)模型，LLP發病風險模型，Hoggart模型和匹茲堡預測模型要高。這五種模型高估了風險;預期觀察比率範圍從0.83～3.69。對於這些模型，AUC也較低，範圍從0.62～0.75。

        參考資料：Which Smokers Should Be Screened for Lung Cancer?-Medscape-May14,2018.AnnIntern Med. Published online May 14, 2018.