综述：改变游戏规则的二十年：肺癌筛查的进展与未来方向

肺癌低剂量CT筛查显著降低死亡率，国际多国已实施，AI和新技术提升筛查效率，未来需加强标准化和公平性。

Stephen Lam|David R. Baldwin|Anand Devaraj|John Field|Claudia I. Henschke|Marjolein A. Heuvelmans|Rudolf M. Huber|Catherine Jones|Andrea Borondy-Kitts|Molly Siu Ching Li|Renelle Myers|Raymond U. Osarogiagbon|Hilary A. Robbins|Martin C. Tammemägi|Kathryn L. Taylor|Natthaya Triphuridet|Randi M. Williams|David Yankelevitz

不列颠哥伦比亚省癌症研究所基础与转化科学系，温哥华，加拿大

摘要

在过去的二十年里，使用低剂量计算机断层扫描（LDCT）进行肺癌筛查（LCS）已成为降低肺癌死亡率最有效的策略之一。包括NLST和NELSON在内的标志性试验表明，死亡率降低了20%以上，从而确立了LDCT作为高风险人群早期检测的标准方法。目前，已有13个国家实施了全国或地区的LCS项目，还有更多国家正在准备推广这一措施。风险预测模型、结节体积评估和结构化管理协议的进步提高了筛查的精确度和效率。人工智能的整合增强了结节检测能力、恶性风险预测、个性化筛查间隔的制定以及工作流程的优化。实际数据证实，肺癌分期的改善有助于降低肺癌死亡率。通过促进社区参与、利用地理空间映射实现公平获取以及开展移动筛查等举措，将提高筛查的普及率和患者的依从性。将烟草依赖治疗纳入LCS方案进一步延长了患者的生存年限。补充性的肺部结节筛查项目以及对从未吸烟人群的研究扩展了早期检测的范围，而生物标志物研究正朝着与影像学筛查相结合的方向发展。利用LDCT扫描检测冠心病和慢性阻塞性肺疾病的潜力可能对未来的医疗保健产生重大影响。持续努力统一数据收集标准、建立质量指标并加强人员培训对于维持高质量的筛查工作至关重要。随着LCS成为肺癌控制的基石，风险分层、成像技术和生物标志物整合方面的持续创新将是实现全球效益最大化和公平性的关键。

引言

肺癌是全球第二大常见癌症，也是导致癌症死亡的主要原因，每年有超过200万人因此丧生。¹据估计，到2050年，每年将有339万人死于肺癌，其中大部分负担将落在中低收入国家。¹使用低剂量计算机断层扫描（LDCT）进行胸部肺癌筛查可以降低肺癌死亡率。Henschke等人在美国以及Sone等人在日本的首创性研究表明，LDCT能够在肺癌早期阶段发现病变，并且人群筛查是可行的。国际早期肺癌行动计划（I-ELCAP）在2006年更新了生存率数据，报告称I期患者的20年生存率为81%（95%置信区间[CI]：78%–83%）。^{4, 5}这些以及其他单臂研究促使人们进行了决定性的随机对照试验。国家肺癌筛查试验（NLST）和NELSON试验显示，与胸部X光或常规护理相比，LDCT筛查可使肺癌死亡率降低20%或更多。^{6, 7, 8, 9}基于这些强有力的证据，已有13个国家实施了全国或地区的LDCT筛查项目，8个国家明确表示将实施LCS，另有24个国家正在进行相关研究（图1）。¹⁰

自2001年以来，国际肺癌研究协会（IASLC）定期举办关于肺癌预防和早期检测的国际会议，并在世界肺癌大会上举办LCS相关研讨会。2022年的研讨会后，提出了一个为期五年的全球LCS推进路线图。¹¹在这篇综述中，我们重点介绍了过去二十年LCS领域的主要成就，以及新兴领域和新技术的发展趋势。

筛查资格

对于那些肺癌风险较高、筛查带来的益处大于潜在风险且费用可承受的人群，会提供LDCT筛查。确定LCS的适用对象是筛查计划面临的关键挑战之一。尽管吸烟数据的准确性存在问题，但吸烟史和年龄仍是预测肺癌终生风险的最重要因素。¹²

对于曾经吸烟的人群，LCS的适用资格通常根据美国推荐的年龄-包年数分类标准来判定。

从未吸烟者的筛查

从未吸烟者的肺癌（LCINS）已成为全球主要的健康问题，目前是全球癌症相关死亡的第五大原因。^{117, 118}LCINS在女性、有肺癌家族史的人群以及亚洲裔人群中更为常见，且几乎全部为腺癌。^{118, 119}LCINS的分子和基因组特征与吸烟相关肺癌不同，这些特征直接影响治疗决策和结果。¹¹⁸

未来方向

成像技术的进步不断拓展LCS的潜力。¹⁹⁷超低剂量扫描协议、光子计数CT和下一代CT技术有望提高分辨率、通过光谱分析更好地识别组织类型，并减少辐射暴露。^{198, 199, 200, 201, 202}人工智能辅助的X光检查（CXR）和数字断层扫描（DTS）为传统LCS提供了有力补充，有助于在资源有限的环境中提高早期检测能力、优化分流效率并提高可及性，但这需要临床和法律层面的认可。

CRediT作者贡献声明

Stephen Lam：概念构思、方法论设计、资源整合、数据可视化、文章撰写及整体监督。

David R. Baldwin：概念构思、方法论设计、资源整合、数据可视化、文章撰写及整体监督。

Anand Devaraj：资源提供、数据可视化、文章撰写及审稿编辑。

John Field：资源提供、数据可视化、文章撰写及审稿编辑、监督工作。

Claudia I. Henschke：资源提供、数据可视化、文章撰写及审稿编辑。

Marjolein A. Heuvelmans：资源提供、数据可视化、文章撰写及审稿编辑。

利益冲突披露

Lam教授获得了来自NIH-NCI、加拿大癌症协会、John Hecht纪念基金会和Terry Fox研究所的研究资助；同时担任国际癌症筛查网络指导委员会成员，并为加拿大抗癌合作伙伴组织提供专家咨询。Baldwin教授获得了来自NIHR、CRUK、SBRI、Innovate UK和Horizon Europe的资助；还因在AstraZeneca和Boehringer公司的演讲获得了酬金。