Nature子刊：新自动早期特发性肺纤维化筛查工具

　　

据来自威尔康奈尔医学院、纽约长老会医院、芝加哥大学、布里格姆妇女医院和梅奥诊所的研究人员称，一种新的电子病历筛查工具能准确地识别出患有或发展为进步性肺瘢痕(一种被称为特发性肺纤维化的疾病)的高风险患者。

特发性肺纤维化(IPF)通常是致命的，部分原因是它往往在病程较晚的时候被诊断出来，那时现有的治疗方法还不太有效。9月29日发表在《Nature Medicine》杂志上的一篇论文中描述了这种新的筛查工具，它有潜力对IPF常规进行早期检测。

研究合著者Fernando Martinez博士说:“基于电子医疗记录中容易获得的参数，拥有一种强大的筛查方法是确保早期诊断的一个重大进步。”

该研究的合著者、芝加哥大学医学助理教授Ishanu Chattopadhyay博士说:“这种工具几乎不需要额外花费(患者的时间)，可以在症状出现之前识别出疾病的特征。只要有人安排去看他们的初级保健医生，该程序就可以运行筛查工具，在病人走进诊所之前就得到结果。”

IPF影响着美国数万人，以及世界各地数百万人。它的特点是肺功能的渐进性下降，由于慢性肺炎症，将健康的肺组织转化为瘢痕状纤维组织。IPF的诱因是“特发性的”——未知——但风险因素包括年龄、男性和吸烟史。IPF有抗纤维化药物治疗，可以延长患者的生命。然而，这些治疗往往在病程早期更有效，而IPF通常在症状出现几年后才被诊断出来。这些症状是多变的、非特异性的，但通常包括由于用力而缓慢进展的呼吸短促，患者可能不会注意到，也可能被视为自然衰老的一部分而不予理会。此外，确诊IPF所需的检查既繁琐又昂贵，这往往使患者在症状明显之前不愿接受检查。

“传统上，IPF的诊断需要多学科的方法，包括肺部临床医生、放射科医生、实验室和病理学专家，”该研究的合著者、梅奥诊所肺部和重症监护医学部主任、医学教授Andrew Limper博士说。

新的软件筛选工具旨在根据患者的电子健康记录自动检测高IPF风险，从而简化和加速诊断过程。原则上，它将主要由初级保健医生使用，他们将由算法识别的患者转介到需要确认或排除IPF的测试中。

布里格姆妇女医院间质性肺疾病项目主任、合著者Gary“Matt”Hunninghake博士说:“这项工作是新颖的，因为在医疗记录中已经捕获的信息被用于识别系统中可能处于更高风险的患者。”

该软件的核心算法使用机器学习过程开发，通过查找患者过去两年的健康记录中已知的IPF风险因素和IPF相关事件(甚至是IPF相关事件的序列)，计算出IPF风险评分(IPF零负担共发病风险评分，或ZCoR-IPF)。

该团队在一个覆盖了2003-18年美国数百万患者的商业保险理赔数据库上训练了该算法，然后使用另外三个理赔数据集对其进行验证。总之，该工具的开发是根据近300万名患者的记录进行的，其中包括5.4万多例指规数病例。

验证试验表明，该工具在识别高IPF风险患者方面相当敏感和特异性。与未筛查的患者相比，那些风险评分高于检测阈值的患者在接下来的一年里接受IPF诊断的几率超过30倍。

研究人员现在希望将该工具推广到初级保健中心，在那里它可以在现实环境中进行评估和正式的临床试验。他们还希望，将机器学习算法和电子健康记录结合起来的同样的方法，可以应用于其他疾病，更早的诊断可以挽救很多人的生命。

这种方法是IPF筛查的范式转变。