ハイライト
- 肺がんスクリーニング (LCS) の受診率は、死亡率低下の確固たる証拠があるにもかかわらず、依然として非常に低い状況にあります。最大の利益を得られる人々にアプローチするためには個別化されたアプローチが必要です。
- 予測を活用した共同意思決定 (SDM) ツールにより、医師は個人の肺がんリスクと寿命に基づいて推奨の強度を調整できます。
- 退役軍人省 (VA) システムでの大規模な研究では、これらのツールの導入が LCS 受診率を大幅に向上させることを示しました。特に高利益者では 9.0 パーセントポイントの差が見られました。
- 二値の適格性基準から利益ベースのスクリーニングへの移行は、精密集団保健へのパラダイムシフトを表しています。
背景
肺がんは世界中で癌関連死の主因であり、国立肺がんスクリーニング試験 (NLST) および NELSON 試験は、低線量 CT (LDCT) による年間スクリーニングが肺がん死亡率を 20% から 24% 減少させることを確立しています。これらの知見にもかかわらず、2021 年に米国予防サービス作業部会 (USPSTF) の適格性基準が拡大された後も、現実世界での LCS 受診率は依然として不十分で、適格人口の約 15% 未満に留まっています。
LCS 実装の大きな課題の一つは「スクリーニングのパラドックス」です。肺がんリスクが最も高い人々、つまりスクリーニングから最大の利益を得られる人々が、社会経済的障壁、医療アクセスの制限、または手順の個人化された利益に関する情報伝達の不足により、しばしばスクリーニングを受けない傾向があります。さらに、メディケアの償還を条件とする共同意思決定 (SDM) は、しばしば形式的にしか行われていません。医師は、スクリーニングが「微妙な選択」（選好に敏感）である患者と、偽陽性や過剰診断のリスクよりも死亡率低下の利益が遥かに大きい（高利益）患者との区別をする時間がたりないか、そのためのツールが不足していることがよくあります。
主要な内容
リスクベースのスクリーニングの進化
初期の LCS プロトコルは、年齢や喫煙歴などの広範なカテゴリ基準に依存していました。しかし、エビデンスに基づく医学は、PLCOm2012 や肺がんリスク評価ツール (LCRAT) などの多変量リスク予測モデルの使用へとシフトしています。これらのモデルは、民族、教育レベル、BMI、呼吸器疾患の個人履歴など、追加の要因を取り入れて、個人の 6 年間の肺がんリスクをより正確に予測します。これらのモデルを臨床ワークフローに統合することで、「利益ベース」のスクリーニングが可能になり、臨床推奨の強度は個人の予測される絶対リスク低減に比例します。
方法論の進歩：予測を活用した SDM
最近の文献、特に Caverly et al. (2024) の研究で取り上げられている核心的な革新は、予測モデルを組み込んだ意思決定支援ツールの適用です。単なる適格患者のフラグ付けを行う標準的な臨床リマインダーとは異なり、このツールは医師に患者の予測されるスクリーニングからの利益の分類評価を提供します。患者は「中程度の利益」（決定が非常に選好に敏感）と「高利益」（証拠が偽陽性や過剰診断のリスクをはるかに上回る）のグループに分類されます。これにより、医師は高利益層に対して「誘導」や強い推奨を行い、限られた臨床リソースが最大の影響を与える場所に向けられます。
VA 中断時系列研究の分析
2017 年から 2019 年まで、6 つの退役軍人省施設で質改善研究が行われ、9,904 名の LCS 適格退役軍人が対象となりました。この研究では、中断時系列設計を使用して、予測を活用した SDM ツールの導入がスクリーニング受診率に与える影響を評価しました。
研究集団と人口統計学的特徴
集団は男性 (94%) と白人 (82%) が主で、中央年齢は 64 歳でした。重要的是、人口几乎是均匀分布在预测受益中等（52%）和高受益（48%）之间。这突显了在临床环境中能够区分这两个群体的重要性。
主要结果和统计显著性
在工具实施之前，两个组别的筛查率都很低。实施后，总体受诊率有统计学意义上的显著增加。最重要的是，该工具成功推动了“基于受益”的受诊率。高受益个体的筛查概率为 24.8%，而中等受益个体为 15.8%。平均绝对差异为 9.0 个百分点（95% CI, 1.6%-16.5%），这表明该工具帮助医生优先考虑正确的患者。
临床工作流程整合
干预措施利用电子健康记录 (EHR) 中的临床提醒来提示初级保健医生和筛查协调员。这种整合至关重要；为了使预测模型在现实世界中发挥作用，它们必须嵌入到护理点的工作流程中，而不仅仅是作为外部计算器存在。VA 研究表明，当医生看到患者高受益状态的明确指示时，他们更有可能成功地进行 SDM 过程并达成筛查决定。
专家评论
从临床和政策的角度来看，这些发现具有高度相关性。向基于预测的 SDM 的转变解决了当前 LCS 计划中的几个缺口。首先，它缓解了“一刀切”的筛查方法。对于一个 55 岁、恰好有 30 包年吸烟史的人来说，收益风险比与一个 70 岁、有 80 包年吸烟史的人截然不同。使用预测工具承认了这种异质性。
然而，也存在争议和局限性需要考虑。研究人群（退役军人）可能无法完全代表一般人群，特别是女性和非退役军人少数群体。此外，尽管研究显示受诊率有所提高，但高受益组的 24.8% 受诊率仍意味着最有可能受益的 75% 人群未接受筛查。这表明，虽然决策支持工具是必要的，但它们并不是灵丹妙药。患者怀疑、后勤障碍以及吸烟相关疾病的“污名”等问题需要多方面的干预。
关于“调整鼓励的强度”也有伦理层面的考量。批评者可能会认为，这可能导致家长式作风，医生对高风险个体过度推动筛查，可能侵犯“共享”性质的决策。然而，专家们的共识是，提供更准确、个性化的信息实际上赋予了患者做出更明智选择的能力。
结论
将基于预测的共同意思決定ツールを統合することは、肺がんスクリーニングの受診率向上の努力における重要な進展を表しています。二値の適格性基準を超えて利益ベースのフレームワークに移行することで、最高のリスクを持つ人々が生命を救う LDCT を受けるために最大の励行を受けることを保証できます。今後の研究は、これらのツールをより多様な集団に拡大し、リスクベースの SDM 実施後の長期結果、例えば診断時の病期と肺がん特異的死亡率を検討することに焦点を当てるべきです。
Reference:
Caverly TJ, Wiener RS, Kumbier K, Lowery J, Fagerlin A. Prediction-Augmented Shared Decision-Making and Lung Cancer Screening Uptake. JAMA Netw Open. 2024 Jul 1;7(7):e2419624. doi: 10.1001/jamanetworkopen.2024.19624 . PMID: 38949809; PMCID: PMC12312416.