第一项比较不同肺癌风险模型如何选择吸烟者进行筛查的研究表明，即使执行性最佳模型也需要改进以提高其预测价值。该研究由美国国家癌症研究所(NCI)和美国癌症协会的研究人员进行。

研究人员在5月14日发表在Annals of Internal Medicine上的在线报告中指出，对美国人口代表性样本中的9种风险预测模型进行的分析并未就应该筛查哪些或哪些有史以来吸烟者达成共识。

研究人员表示，在5年风险阈值为2.0%的情况下，不同模型选择的吸烟者的筛查人群为760万～2600万。

四种风险模型比其他风险模型更准确地预测风险并选择吸烟者进行筛查。对于这些模型，筛选人群的规模(760万至1090万)更加接近，并且对所选择的73%吸烟者表示认可。

这四个模型是Bach模型，2012年卵巢癌筛查试验模型(PLCO-M2012)，肺癌风险评估工具(LCRAT)，肺癌死亡风险评估工具(LCDRAT)。研究人员表示，这些模型总体上具有最高的识别率，在固定的特异性下具有最高的敏感性，反之亦然，在固定风险阈值下具有类似的识别率。

这些观察结果表明，任何这些模型都可以用来选择那些肺癌发病率或死亡风险最高的吸烟者，这些模型中的每一个都已在外部人群中得到验证。这些发现可能被用来为未来的指导方针提供信息

虽然研究结果证实了既往研究结果证明的PLCO-M2012和Bach模型具有优异的表现，但研究人员强调，模型应进一步改进以提高其在某些亚群中的表现。

例如，巴赫模型没有考虑到种族/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应该被筛选。

PLCO-M2012模型低估了拉美裔患者的肺癌风险2～3倍，而LCRAT和LCDRAT模型均低估了亚洲/其他亚组的风险。

研究人员指出，目前没有肺癌筛查的风险阈值。来自美国国家综合癌症网络的2018年肺癌筛查指南指出，可以使用个体化风险模型来选择吸烟者进行筛查。

越来越多的人认识到，与使用简单的二分风险因素选择吸烟者进行筛查相比，个体化风险计算能够解释某些人口统计学，临床和吸烟特征，可以大大提高CT筛查计划的有效性和效率。

研究细节

对于这项研究，研究人员将重点放在风险预测模型上，该模型使用全国健康访问调查的2010～2012年数据来估计符合筛查条件的美国人数。

为了评估每个预测模型的表现，研究人员使用了来自两个美国大型队列的数据。第一个队列由美国国立卫生研究院-美国退休人员协会(正式为美国退休人员协会)饮食与健康研究中的337,388名曾经吸烟者组成。第二队列包括CPS-II(癌症预防研究II)营养调查队列中的72,338名曾经吸烟者。

研究人员测量了模型预测病例与观察病例的比例以确定模型校准。研究人员使用曲线下面积(AUC)来确定区别。

Bach模型、PLCO-M2012、LCRAT和LCDRAT模型在固定的特异性下具有最高的灵敏度，反之亦然。在固定的风险阈值下，区别是相似的。预期观察比例介于0.92～1.12，AUC介于0.75～0.79。

这比Spitz模型，利物浦肺癌项目(LLP)模型，LLP发病风险模型，Hoggart模型和匹兹堡预测模型要高。这五种模型高估了风险;预期观察比率范围从0.83～3.69。对于这些模型，AUC也较低，范围从0.62～0.75。

参考资料：Which Smokers Should Be Screened for Lung Cancer?-Medscape-May14,2018.AnnIntern Med. Published online May 14, 2018.