AI-ondersteunde CT zonder contrast voor screening op meerdere kankers

Kanker is in China een groot volksgezondheidsprobleem geworden, dat ernstige gevolgen heeft voor de volksgezondheid, de economie en de sociale ontwikkeling. In 2022 waren er naar schatting 4,82 miljoen nieuwe gevallen van kanker en 2,57 miljoen aan kanker gerelateerde sterfgevallen. Longkanker, leverkanker, maagkanker, colorectale kanker, slokdarmkanker, pancreaskanker en borstkanker zijn de zeven belangrijkste oorzaken van kankergerelateerde sterfte. Een succesvolle eerdere detectiestrategie zou patiënten in staat stellen tijdige interventies te ontvangen, de behandelingsresultaten te verbeteren, de algehele overleving te verbeteren en de complexiteit en kosten van de behandeling te verminderen.

In deze studie zullen we een grootschalige, prospectieve, multicentrische cohortstudie uitvoeren, met als doel het nut van AI-ondersteunde non-contrast CT voor screening op meerdere kankers te evalueren. De populatie bestaat uit personen die CT-scans van de buik of borstkas zonder contrast hebben ondergaan in het Meinian Onehealth Health Examination Center of het Shanghai Changhai Health Examination Center, met een verwachte inschrijving van 1 miljoen deelnemers. Een screeningsmodel voor meerdere kankers via CT zonder contrast, ontwikkeld door de Alibaba DAMO Academy, zal worden geïntegreerd in het PACS-systeem van gezondheidsonderzoekscentra. Het beeldvormende AI-model zal worden gebruikt om automatisch verschillende kankerachtige laesies te detecteren, waaronder longkanker, leverkanker, maagkanker, colorectale kanker, slokdarmkanker, pancreaskanker en borstkanker. Proefpersonen die door het AI-model met positieve laesies zijn geïdentificeerd, moeten worden doorverwezen naar het Shanghai Changhai-ziekenhuis voor verder beeldvormend onderzoek (zoals contrast-CT, MRI, endoscopie, enz.) om de uiteindelijke ziektestatus te bevestigen en een behandelplan te formuleren. Bovendien moet het medische team zorgtrajecten volgen die zijn ontwikkeld op basis van richtlijnen van NCCN en ACR, en indien nodig zullen patiënten worden doorverwezen naar de kliniek van het multidisciplinaire team (MDT) voor specifieke kankertypes om de diagnostische procedures te bepalen. Het uiteindelijke doel van deze studie is om de diagnostische prestatiegegevens van het AI-model voor elk van de zeven kankertypen afzonderlijk uitgebreid te beoordelen. Deze statistieken omvatten, maar zijn niet beperkt tot, gevoeligheid, specificiteit en positief/negatief voorspellende waarde. Bijzondere nadruk zal worden gelegd op het evalueren van de doeltreffendheid van het model bij het opsporen van reseceerbare tumoren in een vroeg stadium. Het overkoepelende doel is om te bepalen of de implementatie van deze AI-ondersteunde screeningaanpak mogelijk zou kunnen leiden tot verbeterde algehele overlevingspercentages door eerdere detectie en interventie.