人工智能+抽血检查，有望更早发现肺癌

本文以肺癌患者梅琳达·麦金托什的真实经历开篇：她69岁，三年前通过一次常规低剂量CT筛查，在右肺发现早期小结节，随后及时手术切除，如今无病生存。这个案例凸显了早期筛查的巨大价值——I期肺癌患者五年生存率达60%–90%，而晚期则骤降至不足10%。研究证实，对长期吸烟者每年进行低剂量CT扫描，可使肺癌死亡风险在6年内降低20%、10年内降低24%；该技术辐射剂量仅为常规CT的五分之一，是目前证据最充分的癌症筛查手段。

然而，现实令人担忧：美国符合条件者中仅约19%接受过筛查；近半数确诊肺癌患者甚至不符合现行筛查标准（如年龄超限、吸烟量不足或戒烟过久）。现行标准依赖“包年”（pack-years）计算（即每日吸烟包数×吸烟年数），但该指标存在明显缺陷：它难以准确回忆、忽视吸烟时长本身的风险权重，并加剧种族差异——研究显示，改用“持续吸烟≥20年”替代包年标准，可使黑人患者的筛查覆盖率从58%大幅提升至85%，白人患者也从74%升至82%。

更紧迫的是“从不吸烟者”群体：他们占肺癌患者的10%–20%，多为较年轻女性，常被现有标准完全排除，往往直到出现症状才确诊晚期。亚洲研究提示，家族史、厨房油烟暴露等非吸烟因素同样重要；有专家主张效仿乳腺癌、结直肠癌筛查，直接按年龄（如40–85岁）普筛，模型预测此举每年可避免超2万例肺癌死亡。

面对扩大筛查带来的假阳性与过度诊疗风险（如良性结节引发不必要的活检），新技术正提供解法：AI工具Sybil能基于全肺CT影像预测未来6年患癌风险，甚至在未见结节时发出预警；血液检测聚焦游离DNA甲基化异常，已有多款商业化产品问世（虽尚未获FDA批准）；加拿大团队则整合CT影像、临床风险因素与呼吸/血液生物标志物，构建多维风险评估模型。

文章最后强调：筛查推广受阻不仅是宣传不足，更源于医生认知偏差（曾普遍质疑其必要性）、医保覆盖不均（部分州 Medicaid 不报销）、以及公众沟通失效（超三分之二符合者从未与医生讨论过筛查）。专家呼吁：不应等待完美方案，而应立即优化标准、加强医患沟通、扩大可及性——因为每拖延一年，就意味着成千上万本可挽救的生命逝去。