Optimizing symptomatic triage to colonoscopy: evaluation of FIT-centered multivariable selection strategies.
本研究表明，结合了粪便免疫化学检测（FIT）、人口统计学特征和血液生物标志物的多变量风险模型，通过在保持对结直肠癌及相关疾病高敏感性的同时，显著提高特异性并减少手术量，改善了症状患者向结肠镜检查的分诊流程，尽管血液生物标志物相比仅使用 FIT 和人口统计学特征的模型所提供的额外获益较为有限。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名正在试图破解谜团的侦探，但你寻找的不是失窃的珠宝，而是在一个人的体内搜寻隐藏的危险：结直肠癌。在医学的世界里，这是一场高风险的游戏。“嫌疑人”是那些因腹痛或排便习惯改变等症状出现在医院的人。“犯罪现场”是结肠，而观察那里究竟发生了什么的唯一方法，就是通过一种叫做结肠镜检查的程序，将一台摄像机送下去。但问题在于：警力（医生）已经不堪重负。有太多的嫌疑人，而检查每个人的摄像机却不够用。
为了解决这个问题，医生们一直在使用一种简单的“烟雾报警器”，叫做粪便免疫化学检测（FIT）。这种测试会寻找粪便样本中微量的血液。如果烟雾报警器响了（结果呈阳性），这个人就会接受结肠镜检查。如果它保持沉默，那个人就可以回家了。这是一个很好的系统，但它并不完美。有时，烟雾报警器太安静了，会漏掉大约10%的真实危险。还有时候，它又过于敏感，会让一些其实平安无事的人去接受结肠镜检查，从而堵塞了系统。科学家们一直以来的大问题是：我们能否制造出一个更聪明的“超级探测器”，将烟雾报警器与其他线索——比如一个人的年龄、性别，甚至是一些特殊的血液化学信号——结合起来，从而在抓住更多坏蛋的同时，减少送往摄像机检查的无辜人数？
这正是来自丹麦的一个研究团队致力于完成的工作。他们想看看是否可以通过在原有的“仅靠FIT”系统中加入一些额外的成分，来升级标准的“烟雾报警器”。他们收集了近1600名因为出现症状而已经在等待紧急结肠镜检查的人的数据。他们查看了这些人的FIT结果、年龄、性别，甚至还采集了血样，以检查13种不同的“生物标志物”——你可以把它们理解为在血液中漂浮的、可能发出麻烦信号的微小化学信使。
研究人员构建了三种不同的“预测机器”来观察哪一个效果最好。第一台机器是传统方式：仅使用FIT测试。第二台机器增加了一点常识：FIT评分加上个人的年龄和性别。第三台则是“超强版”：FIT评分、年龄、性别，再加上所有那些高级的血液生物标志物。他们让这些机器经过严格的测试，以观察它们识别结直肠癌（CRC）、先进息肉（AA）以及炎症性肠病（IBD）等严重病症的能力。
以下是他们的发现。虽然“超强版”机器在技术层面上表现最好，但领先幅度并不大。真正的英雄其实是第二台机器：即那个简单地将FIT测试与年龄和性别相结合的模型。这个“FIT-人口统计学”模型几乎与复杂的模型一样出色，但使用起来要简单得多。它成功捕捉到了95%的癌症病例，同时正确地让57%没有癌症的人回家了。用通俗的话说，这意味着如果医生使用这个更聪明的规则，可以在不遗漏绝大多数癌症的情况下，减少一半以上的结肠镜检查需求。
有趣的是，那些高级的血液测试并没有增加太多额外价值。虽然血液生物标志物确实显示出了一些潜力，但它们相对于简单的“FIT加年龄和性别”模型所提供的改进非常微小。这就像是在一辆已经配备了优秀GPS的汽车上安装了一个高科技雷达；雷达确实有一点点帮助，但GPS才是承担大部分工作的核心。研究还指出，如果你想要绝对确保实现“零漏诊”（一个100%的安全网），你就不能跳过那么多结肠镜检查；你只能节省大约23%的程序。但如果你愿意仅仅错过极小比例（5%）的病例，你就能节省大量的精力和资源。
研究人员得出结论，使用一种聪明的、多线索的方法来对患者进行分诊，比仅仅依赖单一的粪便验血测试要好得多。他们甚至创建了一个简单的图表，称为诺莫图（nomogram），医生可以利用它根据患者的FIT评分、年龄和性别来计算其特定的风险。虽然这项研究并未证明这是全球每家医院的最终解决方案，但它强烈表明，在标准测试中加入一些基本事实（比如你的年龄）是一种强大且易于实现的获胜方式。它提醒我们，有时候，解决复杂谜团最好的方法并不是去购买最昂贵的精密仪器，而是去观察你已经拥有的所有简单的线索。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。