低劑量CT(LDCT)目前用於高危人群的肺癌篩查，以早期診斷肺癌。然而，96%檢測到結節的個體是假陽性。

        為了從臨床、人口學和LDCT特征開發有效的早期肺癌預測因子，研究人員對218名肺癌或良性結節受試者進行了研究。使用概率圖模型(PGMs)整合來自匹茲堡肺部篩查研究隊列92名受試者(訓練隊列)的人口學、臨床數據和LDCT特征。

        學習後的PGMs確定了3個直接(因果)與惡性結節和最大良性結節相關的變量，並用它們構建了肺癌因果模型(LCCM)，該模型在126名受試者的單獨隊列中得到驗證。結節、血管數量和受試者戒煙年數足以區分惡性結節與良性結節。在訓練和驗證隊列中與現有預測因子進行比較表明：(1)結合LDCT掃描特征大大提高了預測的準確性;(2)LCCM改善癌症檢測優於現有的方法，包括Brock簡約模型(p<0.001)。值得注意的是，周圍血管數量，這個以前未在預測模型中使用的特征，顯著提高了預測效率。根據驗證隊列結果，LCCM能夠識別30%的良性結節，而沒有錯誤分類癌結節的風險。

        LCCM具有作為肺癌預測因子的前途，因為它相對現有模型有顯著的改善。在更大的前瞻性研究中進行驗證後，LCCM有助於減少不必要的隨訪和手術。

        原始出處：

        Vineet K Raghu.Feasibility of lung cancer prediction from low-dose CT scan and smoking factors using causal models.Thorax. 12 March 2019.