关键词:
食管
食管癌
筛查
癌前病变
食管细胞学
非内镜筛查
摘要:
目的利用人工智能辅助的食管细胞学构建筛查食管癌前病变的风险预测模型, 并验证其诊断准确性。方法本研究为食管癌筛查试验(esophageal cancer screening trial, EAST)队列研究数据的二次分析, 纳入2021年1月1日至2022年6月30日位于我国食管鳞状细胞癌高发地区的39个三级或二级医院以及5个社区接受上消化道内镜检查和人工智能食管细胞学筛查的受试者共17 294例。14 415例在医院筛查的受试者构成医院机会性筛查队列, 设定为训练集, 构建基于轻量梯度提升机(light-gradient boosting machine, LightGBM)机器学习算法的人工智能食管细胞学风险预测模型(简称LightGBM模型)。在5个社区卫生服务中心进行筛查的受试者(n=2 879)构成社区筛查队列, 设定为验证集, 以内镜活检的病理结果为金标准, 评价LightGBM模型在社区筛查队列中筛查食管癌前病变的诊断效能。结果在机会性筛查队列中训练LightGBM模型, 该模型预测癌前病变的受试者工作特征(receiver operator characteristic, ROC)曲线下面积为0.93(95%CI:0.91~0.95)。约登指数最大时, ROC曲线的cutoff值为0.08。以风险预测评分>0.08分作为筛查癌前病变的标准, LightGBM 模型在筛查癌前病变时的灵敏度和特异度分别为91.0%(95%CI:86.9%~95.1%)和86.2%(95%CI:85.7%~86.8%)。用社区筛查队列验证LightGBM模型, 该模型在社区筛查队列中筛查癌前病变的灵敏度和特异度分别为95.2%(20/21)和87.5%(2 502/2 858), 准确率为87.6%(2 522/2 879)。结论人工智能食管细胞学风险预测模型筛查食管癌前病变灵敏度和特异度较高, 在食管癌筛查中有推广应用价值。