基于低剂量CT筛查的中国人群肺结节恶性概率预测模型构建与验证研究

本研究针对中国低剂量CT(LDCT)筛查中肺结节高假阳性率和过度诊断问题，通过前瞻性队列研究开发了整合人口学特征、生活方式及结节影像学特征的恶性概率预测模型。该模型在河南城市癌症筛查项目(CanSPUC)中显示优异判别效能(AUC 0.855-0.863)，显著优于Mayo等现有模型，为个体化随访策略制定提供量化工具，发表于《BMC Cancer》具有重要临床转化价值。

　　

肺癌作为全球癌症相关死亡的首要原因，每年导致180万患者死亡，在中国其5年生存率仅为18%。尽管低剂量CT(LDCT)筛查被证实可降低肺癌死亡率，但筛查过程中高达95%的肺结节实为良性，导致假阳性结果和过度诊断问题日益突出。如何精准区分恶性结节成为提高筛查效益的关键瓶颈，特别是在中国人群特征、环境因素与西方存在显著差异的背景下。

河南省肿瘤医院联合天津医科大学肿瘤医院的研究团队，基于国家城市癌症筛查项目(CanSPUC)2013-2021年间23,031名高危人群的LDCT筛查数据，开展了一项前瞻性队列研究。研究纳入2,553例基线检出肺结节的患者，通过多因素Cox回归分析整合了年龄、性别、腌制品摄入、矽肺/尘肺病史、结节类型(实性/部分实性/非实性)、大小、钙化及胸膜牵拉征等9项关键预测因子，构建了可视化Nomogram评分系统。模型在训练集中1年、3年、5年预测AUC分别达0.855、0.844和0.863，内部验证显示良好校准度，且显著优于Mayo、VA等传统模型(P<0.05)。尽管在美国NLST队列的外部验证中表现有所下降，该研究仍为亚洲人群提供了首个整合生活方式与影像特征的肺结节风险评估工具。

关键技术方法包括：1)采用标准化问卷收集人口学、饮食(如腌制品摄入频率)、行为习惯(体力活动强度)等暴露数据；2)16排螺旋CT(LightSpeed-16)统一执行LDCT扫描，严格遵循Fleischner Society指南进行结节分类；3)通过电话随访和癌症登记系统追踪结局事件；4)采用逐步Cox回归(α入=0.15，α出=0.10)筛选预测因子，并构建Nomogram可视化工具。

主要研究发现：

1. 预测因子识别：70-74岁人群肺癌风险是40-49岁的5.25倍(HR=5.25)，非实性结节风险最高(HR=4.52)，结节直径每增加1mm风险提升7%(HR=1.07)。
2. 模型比较：CanSPUC模型在训练集的AUC(0.857)显著优于Mayo模型(0.754)和Brock模型(0.824)，且能更精准区分良恶性结节概率区间。
3. 风险分层：将人群分为低、中、高风险组后，各组间肺癌发生率存在显著梯度差异(P<0.05)。
4. 验证结果：内部验证集保持较好判别力(5年AUC=0.773)，但NLST外部验证显示长期预测性能下降(5年AUC=0.637)。

研究结论指出，该模型首次系统整合了中国人群特有的危险因素(如腌制品摄入、矽肺病史)与影像特征，为临床医生提供了直观的量化工具，有助于优化LDCT筛查后的个体化管理策略。尽管需要更多外部验证，该研究仍显著推进了亚洲人群肺癌精准筛查的实践水平，并为后续开发区域性预测模型提供了方法学范式。特别值得注意的是，研究揭示了非影像因素(如体力活动强度)对结节恶变风险的独立预测价值，为多维度风险评估提供了新证据。