导语：尽管现有的肺癌风险评估模型为早期预防和筛查提供了重要工具，但它们多基于西方人群，对中国人群尤其是非吸烟人群的适用性有限。2023年8月，Cancer Communications杂志发表的一篇研究为我们带来了突破性的进展，首次为中国人群量身定制了肺癌风险评分模型(LCRS)。这不仅为肺癌的精准筛查带来了希望，也为高风险人群的早期干预提供了科学依据。本文将深入探讨LCRS的开发过程、验证结果及其在肺癌风险评估中的潜在应用价值。

肺癌作为全球癌症死亡的主要原因，尤其在中国，其发病率和死亡率均居高不下，构成了重大的公共卫生问题。然而，现有的肺癌风险预测模型多基于西方人群，对于中国人群，特别是非吸烟人群的肺癌风险评估存在明显不足。此外，肺癌风险预测模型在年轻人群中的应用也相对有限，而这部分人群的肺癌发病率亦不容忽视。因此，开发和验证适用于中国不同年龄人群的肺癌风险评估工具，对于肺癌的早期预防和精准筛查具有重要意义。

2023年8月，Cancer Communications杂志发表了一篇题为《Lung cancer risk score for ever and never smokers in China》(《中国吸烟者和非吸烟者肺癌风险评分》)的文章，报告了一项关于中国人群肺癌风险评分(LCRS)开发与验证的研究。该研究基于中国慢性病前瞻性研究项目(CKB)队列，首次系统地选取了预测因子，并探索了这些预测因子与肺癌风险之间的非线性关系，为肺癌风险评估领域提供了新的见解。

为了给中国人群(包括吸烟者和非吸烟者)开发一个准确的肺癌风险评分工具，研究人员在CKB队列数据库的支持下，利用Cox回归模型评估了候选预测因子与肺癌风险之间的关联。并且，他们采用受限立方样条分析来探索预测因子与肺癌风险之间的非线性关系，最终为吸烟者和非吸烟者分别开发了风险预测模型。

结果显示，在CKB队列中，通过单变量Cox回归分析，大多数候选预测因子与肺癌风险显著相关。在吸烟者模型中，最终纳入了13个预测因子，而在非吸烟者模型中纳入了9个预测因子。这些预测因子包括年龄、每天吸烟数、吸烟年数、戒烟年数等。研究发现，每天吸烟数与肺癌风险的关联呈现非线性，当每天吸烟数超过20支时，肺癌风险迅速上升，而在大约30支以上时趋于平坦。此外，戒烟后肺癌风险在最初5年内迅速下降，之后以较慢的速率继续降低。

此外，吸烟者和非吸烟者模型的6年接收者操作曲线下面积(AUC)分别为0.778和0.733，表明模型具有较好的区分能力。在Changzhou队列中，这两个模型的AUC值分别为0.774和0.759，进一步验证了模型的稳健性。通过X-tile软件确定的最佳界值点，研究者将吸烟者分为低风险(LCRS < 166.2)和中高风险(LCRS ≥ 166.2)组，以及将非吸烟者分为低风险(LCRS < 21.2)和高风险(LCRS ≥ 21.2)组。在CKB队列中，低风险吸烟者和非吸烟者的10年累积肺癌发病率分别为0.63%和0.45%，而中高风险吸烟者和高风险非吸烟者的10年累积肺癌发病率分别为3.73%和1.69%。

与美国预防服务工作组(USPSTF)标准和中国筛查标准相比，LCRS在CKB队列中显示出更高的敏感性(73.95% vs 64.12%)和Youden's指数(37.24% vs 29.51%)，意味着LCRS在识别肺癌高风险人群中具有更高的准确性和效率。研究者还开发了一个在线风险评估工具(LCKEY)，使得个体能够方便地计算自己未来3至10年内的肺癌发病风险，并根据风险评分获得相应的风险降低和筛查建议。

最后，作者强调了LCRS对于中国人群肺癌风险评估的重要性，尤其是在吸烟者和非吸烟者中。LCRS的建立和验证为肺癌的早期预防和筛查提供了新的策略，有助于提高肺癌早期发现率，降低肺癌死亡率。此外，LCRS的在线评估工具LCKEY的推出，使得普通人群能够方便地进行自我风险评估，从而可能提高肺癌早期发现和治疗的比例。尽管该研究具有多项优势，如使用易于获取的预测因子、代表性良好和样本量充足等，但也存在一些局限性，包括吸烟行为等风险因素可能随时间变化而未被纳入分析，以及模型的外部验证范围有待扩大等。未来的研究需要进一步验证和优化模型，以确定最佳的界值点，提高肺癌风险评估的准确性，并在更广泛的人群中推广应用。

参考文献：

[1] Ma Z, Lv J, Zhu M, Yu C, Ma H, Jin G, Guo Y, Bian Z, Yang L, Chen Y, Chen Z, Hu Z, Li L, Shen H. Lung cancer risk score for ever and never smokers in China. Cancer Commun (Lond). 2023 Aug;43(8):877-895. doi: 10.1002/cac2.12463. Epub 2023 Jul 6. PMID: 37410540; PMCID: PMC10397566.

编辑：且行

二审：清扬

三审：碧泉

排版：半夏