基于舌影像的鼻咽癌筛查机器学习模型的开发

鼻咽癌常见于中国、东南亚和北非，通常与EB病毒（EBV）感染有关。 使用EBV特异性抗体或EBV DNA筛查可以将诊断为早期鼻咽癌的患者比例从大约20%提高到70%以上。 在之前的研究中，研究人员发现，与对照组相比，接受筛查的参与者在被诊断为鼻咽癌后更有可能实现长期生存，并且筛查患者中鼻咽癌特异性死亡的风险较低（相对风险0.22） 。 然而，鼻咽癌筛查在临床中的应用却因阳性预测值较低而受到阻碍，即使在我国EB病毒流行的地区，阳性预测值也仅为4.8%。 通过初级血清学筛查确定的高风险参与者中，95%以上接受了不必要且耗时的临床检查和随访。 多种生物标志物的组合、多步骤筛选以及新生物标志物的鉴定被用来提高鼻咽癌筛查策略的性能。 但迄今为止所取得的进展仍不尽人意，存在灵敏度低、操作复杂、成本高等特点。 因此，迫切需要寻找对鼻咽癌筛查具有高敏感性和阳性预测价值的新生物标志物或策略。

夏宁绍教授团队在2023年《新英格兰医学杂志》上报道了抗BNLF2总抗体（P85Ab）作为鼻咽癌筛查新血清学生物标志物的鉴定和验证。P85-Ab鼻咽癌敏感性为97.9 %，阳性预测值为10.0%。 此外，在P85-Ab阳性的基础上，如果进一步检测EB双抗体（EBV核抗原1[EBNA1]-IgA和EBV特异性病毒衣壳抗原[VCA]-IgA），则为中或中高风险具有EB双抗体的个体可以进行鼻咽镜检查，可以将鼻咽癌筛查的阳性预测值提高到29.6%-44.6%，即每进行2-3次鼻咽镜检查，即可诊断出1例鼻咽癌。 这项研究的敏感性非常高，但阳性预测值仅为10%。 即使结合传统的EB双抗体监测和鼻内窥镜检查，三分之一到二分之一的非鼻咽癌患者仍然接受不必要且耗时的临床检查。 因此，仍有必要探索简单且经济有效的方法来提高鼻咽癌筛查阳性预测价值的策略。

2023年发表在《柳叶刀》子刊《eClinicalMedicine》上的一项研究表明，基于机器学习的舌头图像模型可以作为胃癌的稳定诊断方法（AUC=0.89）， 并已在多个中心进行临床验证。 这项研究启发研究人员将人工智能机器学习技术引入鼻咽癌的诊断和治疗中。

综上所述，本计划探索鼻咽癌患者舌象机器学习模型的建立，有助于提高鼻咽癌筛查的阳性预测价值。