美國多家機構組成的大型研究團隊發現，可以利用機器學習來檢測人類早期肺癌。該小組在《Nature》雜志上發表的論文中描述了他們的工作，包括測試機器學習系統及其在血液樣本中發現循環腫瘤DNA(ctDNA)的能力。

　　肺癌是最致命的癌癥之一，與許多其他癌癥一樣，發現得越早，患者的生存機會就越大。然而當前檢測它的唯一方法是通過CT掃描，不僅成本高昂，而且還有很高的假陽性率，因此醫學研究人員一直致力于開發可以在早期階段檢測出肺癌的血液檢測方法，包括掃描血液樣本中的ctDNA片段。在這項新工作中，研究人員將目光投向了機器學習——先前的研究已經表明，機器學習在鑒別早期乳腺癌和其他癌癥方面是有用的。

　　文章中，研究人員開發并前瞻性地驗證了一種稱為“血漿中肺癌可能性”(Lung-CLiP)的機器學習方法，該方法可以很好地將早期肺癌患者與風險匹配的對照區分開，實現與腫瘤信息ctDNA檢測相似的性能，并可調整檢測的特異性，以促進不同的臨床應用。這一發現確立了cfDNA在肺癌篩查中的潛力，并強調了基于cfDNA的篩查研究中風險匹配病例和對照的重要性。

　　在測試過程中，該系統發現了63%的1期肺癌患者的腫瘤，雖然沒有CT掃描那么好，但可能足以作為被認為是肺癌高危人群的初始篩查。研究人員指出，目前許多這樣的患者根本沒有接受篩查，如果病人的檢測結果呈陽性，醫生會建議他們進行更復雜的檢測。 這種篩查每年可以延長600至1200人的壽命，未來研究人員考慮將Lung-CLiP與LDCT整合或與其他循環生物標記物進行分析以進一步提高性能，此外，通過修改考慮的高危人群，并結合其他類型癌癥的分子特征，希望可以開發適用于多種惡性腫瘤的方法。