当前位置： AI资讯 > 内文

特异性高达99% CDSS有助于提高肿瘤筛查率｜PMR

2022-6-29 关键词：医疗质量管理,医疗AI

肿瘤筛查作为早期发现恶性肿瘤与癌前病变的重要手段，可有效降低癌症发病率与死亡率，但符合肿瘤筛查条件的人群对筛查指南依从性仍有待提高。以结直肠癌为例，2019年我国的筛查渗透率仅为16.4%，远低于美国的60.1%。

近期，美国一项发表在Preventive Medicine Reports的研究显示，使用临床决策支持系统（CDSS）智能分析患者电子病历数据（EHR），可有效识别需要进行癌症筛查的患者，以及确定患者的筛查依从性。在该研究中，CDSS算法模型的特异性高达99%，有助于精准分配公共卫生资源，从而提高癌症早筛率。

01

研究方法 

算法预测与人工审核同时进行

肿瘤早筛是改善癌症预后的重要途径，例如，以每挽救一个生命年的成本计算，结直肠癌的筛查经济性为0.297，胃癌为0.356；以每获得一个质量调整生命年计算，乳腺癌的筛查经济性为2.056，食管癌为0.960。但由于公众认知不足、时间与经济成本、肿瘤侵入性检测方式等因素，降低了人群对肿瘤筛查的依从性。

近年来， CDSS的相关研究显示，通过EHR为医生提供个性化的癌症筛查提醒和建议，有助于指导医生实施循证护理，从而提高患者对癌症筛查指南的依从性。但国外许多评估CDSS有效性的研究指出了关键局限性，包括因种族与社会经济地位导致的临床决策偏见等。且从EHR提取数据验证算法需要大量的人工图表审查，这种评估方式繁琐耗时。

为解决上述局限性，使医学界从验证算法模型（不带偏见的）的研究中获益，研究者以自动化、去标识化的方式提取EHR数据，并建立了人工审核团队与算法模型（该算法使用患者EHR数据确定其是否遵循癌症筛查指南）并行工作的流程，见图1。其中数据的收集主要是从纽约大学朗格尼健康中心的 Epic 平台提取EHR 数据，通过在符合癌症筛查条件的患者中按年龄进行简单随机抽样，针对结直肠癌、乳腺癌和宫颈癌3个癌种分别选择了305、298、300 名患者纳入研究。

图1 算法验证工作流程

研究者将患者数据去除种族、社会经济等标识，并排除一些不符合肿瘤筛查条件的患者，例如，接受过全结肠切除术或先前被诊断为结直肠癌的患者。随后将数据导入一个研究电子数据采集的软件REDCap，REDCap可提供用于验证数据采集的直观界面、跟踪数据操作与导出等功能，助力人工审查。

研究者开发的CDSS 以Epic Clarity 数据库中的标准化代码为基础，根据美国预防服务工作组推荐的癌症筛查指南（表1），自动对患者的筛查资格与依从性进行分类。在被归类为符合筛查条件的患者中，如果发现任何符合标准的癌症筛查事件，将被视为依从者；反之则是不依从。而人工审核团队亦使用同样的筛查指南。

表1 美国预防服务工作组的结直肠癌、乳腺癌和宫颈癌筛查指南

02

CDSS性能评估结果

宫颈癌灵敏度最高 乳腺癌特异性最高

在人工审核环节，由两组训练有素的团队分别评估REDCap中去标识的数据集，以确定患者是否符合肿瘤筛查条件与依从性。审核者对于无法确定结果的病例，将在Epic完整数据中进行全面审查，以作出最终决定。如果两个团队的判定产生分歧，必要时进行一轮新的完整数据图表审核，使每个分歧都产生确定结果。并创建人工审查数据集，与算法结果进行比较，计算出CDSS的灵敏度与特异性。

核查结果显示（表2），纳入结直肠癌筛查的305名患者中，3人因病史被排除，CDSS在进行患者筛查依从性分类时，灵敏度为79.5%（58/73），特异性为 91.7%（210/229）。这意味着CDSS准确识别了约80%依从肿瘤筛查指南的患者，但将约8%的不依从者错误归类为依从者。

而纳入乳腺癌筛查的298名患者中，3人因病史被排除，CDSS评估患者乳腺癌筛查依从性的灵敏度为69.9%（79/113），特异性为99.4%（176/177）；纳入宫颈癌筛查的300名患者，6人因年龄原因被排除，CDSS评估的灵敏度为89.5%（94/105），特异性为96.8%（180/186）。值得一提的是，虽然乳腺癌的筛查标准最简单，但算法表现出的灵敏度最低，这可能与算法选择的CPT与ICD代码不是通用的乳腺X光检查代码列表。

表2 CDSS性能评估结果

研究者表示，鉴于此次研究中CDSS产生的高灵敏度与特异性，其用于确定患者肿瘤筛查指南依从性是有效的，有助于公共卫生资源的高效配置；且研究中使用的去标识化数据与验证数据自动提取技术可减少人工审核所需时间，减少决策偏差。

研究者同时指出，这项研究也存在一些局限性，因为研究人群只包括特定机构随机选择的患者，以及只就诊过一次的患者，所以部分患者的筛查史可能未记录在该机构中。此外，该算法只在一家医院的EHR系统上测试，其泛化性可能有限。但这些局限性并不影响验证算法本身的能力，反而强调了未来采用这种算法为公共卫生工作提供信息的关键考虑因素。

参考资料：Ajlm A , Jdk A , Sjr A , et al. Validation of rule-based algorithms to determine colorectal, breast, and cervical cancer screening status using electronic health record data from an urban healthcare system in New York City - ScienceDirect[J].