導讀

研究者表示，鑒于此次研究中CDSS產生的高靈敏度與特異性，其用于確定患者腫瘤篩查指南依從性是有效的，有助于公共衛生資源的高效配置。

腫瘤篩查作為早期發現惡性腫瘤與癌前病變的重要手段，可有效降低癌癥發病率與死亡率，但符合腫瘤篩查條件的人群對篩查指南依從性仍有待提高。以結直腸癌為例，2019年我國的篩查滲透率僅為16．4％，遠低于美國的60．1％。

近期，美國一項發表在Preventive Medicine Reports的研究顯示，使用臨床決策支持系統（CDSS）智能分析患者電子病歷數據（EHR），可有效識別需要進行癌癥篩查的患者，以及確定患者的篩查依從性。在該研究中，CDSS算法模型的特異性高達99％，有助于精準分配公共衛生資源，從而提高癌癥早篩率。

01

研究方法

算法預測與人工審核同時進行

腫瘤早篩是改善癌癥預后的重要途徑，例如，以每挽救一個生命年的成本計算，結直腸癌的篩查經濟性為0．297，胃癌為0．356；以每獲得一個質量調整生命年計算，乳腺癌的篩查經濟性為2．056，食管癌為0．960。但由于公眾認知不足、時間與經濟成本、腫瘤侵入性檢測方式等因素，降低了人群對腫瘤篩查的依從性。

近年來， CDSS的相關研究顯示，通過EHR為醫生提供個性化的癌癥篩查提醒和建議，有助于指導醫生實施循證護理，從而提高患者對癌癥篩查指南的依從性。但國外許多評估CDSS有效性的研究指出了關鍵局限性，包括因種族與社會經濟地位導致的臨床決策偏見等。且從EHR提取數據驗證算法需要大量的人工圖表審查，這種評估方式繁瑣耗時。

為解決上述局限性，使醫學界從驗證算法模型（不帶偏見的）的研究中獲益，研究者以自動化、去標識化的方式提取EHR數據，并建立了人工審核團隊與算法模型（該算法使用患者EHR數據確定其是否遵循癌癥篩查指南）并行工作的流程，見圖1。其中數據的收集主要是從紐約大學朗格尼健康中心的 Epic 平臺提取EHR 數據，通過在符合癌癥篩查條件的患者中按年齡進行簡單隨機抽樣，針對結直腸癌、乳腺癌和宮頸癌3個癌種分別選擇了305、298、300 名患者納入研究。

圖1 算法驗證工作流程

研究者將患者數據去除種族、社會經濟等標識，并排除一些不符合腫瘤篩查條件的患者，例如，接受過全結腸切除術或先前被診斷為結直腸癌的患者。隨后將數據導入一個研究電子數據采集的軟件REDCap，REDCap可提供用于驗證數據采集的直觀界面、跟蹤數據操作與導出等功能，助力人工審查。

研究者開發的CDSS 以Epic Clarity 數據庫中的標準化代碼為基礎，根據美國預防服務工作組推薦的癌癥篩查指南（表1），自動對患者的篩查資格與依從性進行分類。在被歸類為符合篩查條件的患者中，如果發現任何符合標準的癌癥篩查事件，將被視為依從者；反之則是不依從。而人工審核團隊亦使用同樣的篩查指南。

表1 美國預防服務工作組的結直腸癌、乳腺癌和宮頸癌篩查指南

02

CDSS性能評估結果

宮頸癌靈敏度最高 乳腺癌特異性最高

在人工審核環節，由兩組訓練有素的團隊分別評估REDCap中去標識的數據集，以確定患者是否符合腫瘤篩查條件與依從性。審核者對于無法確定結果的病例，將在Epic完整數據中進行全面審查，以作出最終決定。如果兩個團隊的判定產生分歧，必要時進行一輪新的完整數據圖表審核，使每個分歧都產生確定結果。并創建人工審查數據集，與算法結果進行比較，計算出CDSS的靈敏度與特異性。

核查結果顯示（表2），納入結直腸癌篩查的305名患者中，3人因病史被排除，CDSS在進行患者篩查依從性分類時，靈敏度為79．5％（58／73），特異性為 91．7％（210／229）。這意味著CDSS準確識別了約80％依從腫瘤篩查指南的患者，但將約8％的不依從者錯誤歸類為依從者。

而納入乳腺癌篩查的298名患者中，3人因病史被排除，CDSS評估患者乳腺癌篩查依從性的靈敏度為69．9％（79／113），特異性為99．4％（176／177）；納入宮頸癌篩查的300名患者，6人因年齡原因被排除，CDSS評估的靈敏度為89．5％（94／105），特異性為96．8％（180／186）。值得一提的是，雖然乳腺癌的篩查標準最簡單，但算法表現出的靈敏度最低，這可能與算法選擇的CPT與ICD代碼不是通用的乳腺X光檢查代碼列表。

表2 CDSS性能評估結果

研究者表示，鑒于此次研究中CDSS產生的高靈敏度與特異性，其用于確定患者腫瘤篩查指南依從性是有效的，有助于公共衛生資源的高效配置；且研究中使用的去標識化數據與驗證數據自動提取技術可減少人工審核所需時間，減少決策偏差。

研究者同時指出，這項研究也存在一些局限性，因為研究人群只包括特定機構隨機選擇的患者，以及只就診過一次的患者，所以部分患者的篩查史可能未記錄在該機構中。此外，該算法只在一家醫院的EHR系統上測試，其泛化性可能有限。但這些局限性并不影響驗證算法本身的能力，反而強調了未來采用這種算法為公共衛生工作提供信息的關鍵考慮因素。

參考資料：

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］．

【責任編輯：蘇夏】

       原文標題 : 特異性高達99% CDSS有助于提高腫瘤篩查率｜PMR