AI风险分层回顾性研究评估延长肺癌筛查间隔

Nowroozi 等作者团队发表回顾性研究，在一家三级安全-net医院 3120 例肺癌筛查队列（截至 2024 年 9 月）中评估 Sybil 深度学习模型能否识别可安全改为两年一次筛查的极低风险人群。按 30% 阴性筛查转为两年一次的校准模拟，Sybil 可使 33.8% 的阴性筛查安全延长间隔，未出现延误癌症；队列中位随访 2.3 年，6 年癌症发生率 2.3%（72/3120）。 同一数据上，Brock 模型 AUC 为 0.513，在 1.5% 阈值下敏感度仅 18.2%。研究为回顾性模拟，风险分数基于 NLST 子集校准。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。