亮点
- 尽管有强有力的证据表明肺癌筛查（LCS）可以降低死亡率，但其接受率仍然非常低；需要个性化的方法来达到最受益的人群。
- 预测增强型共享决策（SDM）工具使临床医生能够根据个体化的肺癌风险和预期寿命调整建议的强度。
- 在退伍军人事务系统（VA）内进行的一项大规模研究表明，实施这些工具显著提高了LCS的接受率，尤其是在高受益个体中（9.0个百分点的差异）。
- 从二元资格标准转向基于效益的筛查代表了向精准人群健康的范式转变。
背景
肺癌仍然是全球癌症相关死亡的主要原因。国家肺癌筛查试验（NLST）和NELSON试验已明确证实，每年进行低剂量计算机断层扫描（LDCT）筛查可以将肺癌死亡率降低20%至24%。尽管有这些发现，以及美国预防服务工作组（USPSTF）在2021年扩大了资格标准，实际的LCS接受率仍然不理想，通常在符合条件的人群中低于15%。
LCS实施的一个重大挑战是“筛查悖论”：肺癌风险最高、最有可能从筛查中获益的个体，由于社会经济障碍、医疗保健渠道有限或对程序的个性化益处沟通不足，往往是最不可能接受筛查的。此外，尽管共享决策（SDM）是Medicare报销的强制要求，但经常流于形式。临床医生通常缺乏时间和工具来区分那些筛查是“接近决定”（偏好敏感）的患者和那些死亡率益处远大于假阳性和过度诊断风险（高益处）的患者。
关键内容
基于风险的筛查的发展
早期的LCS协议依赖于广泛的分类标准，如年龄和吸烟史（包年）。然而，循证医学已经转向使用多变量风险预测模型，如PLCOm2012或肺癌风险评估工具（LCRAT）。这些模型纳入了额外的因素——包括种族、教育水平、身体质量指数和个人呼吸道疾病史——以更准确地预测个体6年的肺癌风险。将这些模型整合到临床工作流程中，允许进行“基于效益”的筛查，其中临床建议的强度与个体预测的绝对风险降低成比例。
方法学进展：预测增强型SDM
近期文献中特别提到的核心创新是Caverly等（2024年）研究中的决策支持工具，该工具由预测模型增强。与仅标记符合条件患者的常规临床提醒不同，此工具为临床医生提供了患者预测筛查益处的分类评估。患者被分为几组，如“中等益处”（决策高度偏好敏感）和“高益处”（证据强烈支持筛查）。这使临床医生能够对高益处层级的患者使用“推动”或更强的建议，确保有限的临床资源用于最有影响的地方。
VA中断时间序列研究分析
2017年至2019年在六个退伍军人事务站点进行了一项关键的质量改进研究，涉及9,904名符合条件的LCS退伍军人。该研究采用中断时间序列设计，评估了预测增强型SDM工具对筛查接受率的影响。
研究队列和人口统计
队列主要由男性（94%）和白人（82%）组成，中位年龄为64岁。重要的是，该人群几乎平等地分为预测为中等益处（52%）和高益处（48%）的两组。这种分布强调了在临床环境中区分这两组的重要性。
主要结果和统计显著性
在工具实施之前，两组的筛查率都很低。实施后，总体接受率显著增加。最重要的是，该工具成功推动了“基于效益”的接受率。高益处个体的预测筛查概率为24.8%，而中等益处个体为15.8%。平均绝对差异为9.0个百分点（95% CI, 1.6%-16.5%），表明该工具帮助临床医生优先考虑合适的患者。
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，提示初级保健临床医生和筛查协调员。这种整合至关重要；要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，而不仅仅是外部计算器。VA研究表明，当临床医生清楚地了解患者的高益处状态时，他们更有可能成功导航SDM过程并做出筛查决定。
专家评论
从临床和政策角度来看，这些发现具有重要意义。转向预测增强型SDM解决了当前LCS项目中的几个问题。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，其益处-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，也有一些争议和局限性需要考虑。研究人群（退伍军人）可能不能完全代表一般人群，特别是女性和非退伍军人少数群体。此外，虽然研究显示接受率有所提高，但在高益处组中，24.8%的接受率仍意味着75%的最有可能受益的人未接受筛查。这表明，尽管决策支持工具是必要的，但它们并不是万能的。障碍如患者怀疑、后勤难题和吸烟相关疾病的“污名化”需要多方面的干预。
关于“调整鼓励强度”也有伦理层面的考量。批评者可能会认为，这可能导致家长制，临床医生对高风险个体施加过强的筛查压力，可能侵犯“共享”决策的本质。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
预测增强型共享决策工具的整合代表了提高肺癌筛查接受率的重要进展。通过超越二元资格标准，转向基于效益的框架，医疗系统可以确保风险最高的人群获得最强的筛查鼓励。未来的研究应重点关注将这些工具扩展到更多样化的人群，并考察长期结果，如诊断阶段和肺癌特异性死亡率，以评估风险基础SDM实施后的效果。
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.