肺癌是最常见的致命癌症之一。像许多癌症一样，肺癌发现得越早，病人生存的机会就越大。遗憾的是，目前研究人员只能通过CT扫描来诊断肺癌，不仅费用昂贵，而且假阳性率也很高。为此，研究人员一直想研究和开发一种检测肺癌早期诊断的血液检测方法。 最近，在一份发表在《自然》国际期刊上的研究报告中，斯坦福大学和其他机构的科学家研究或期望使用机器学习来检测人类患者的早期肺癌。报告对该机器学习系统及其在血液样本中发现循环肿瘤DNA(ctDNA)的能力进行了分析和测试。
　　新的血液检测方法将涉及血液样本中ctDNA的筛选，然后研究人员开始转向机器学习系统的开发。据日本就医机构携康国际医疗了解，先前的研究结果表明，机器学习技术有望识别早期乳腺癌和其他类型的癌症。在这项研究中，研究人员训练机器学习模型来识别与非小细胞肺癌相关的数据参数。一旦对机器模型进行训练，就可以有效地评估给定患者的肺癌风险。
　　在测试过程中，日本就医机构携康国际医疗了解到，63%的1期肺癌患者在这个机器学习系统中被发现。虽然不如CT扫描，但足以对高危肺癌患者进行早期筛查。研究人员说，目前很多高危患者无法及时筛查。研究人员表示，一旦患者获得阳性结果，他们将寻求帮助，最终进一步进行更精确、更复杂的检测，机器学习技术等此类筛查有望每年延长600-1200人的寿命，也可用于其他类型癌症的筛查。