簡易健康與癌症評估

QCancer 是一款基層醫療臨床風險預測工具，旨在通過分析個人的人口統計資料、風險因素及呈現的症狀，計算其罹患未診斷癌症（或未來可能發展癌症）的機率。QCancer 基於英國 QResearch 初級保健數據庫（包括華人）所建立的演算法模型，已直接整合至全科醫生 (GP) 的電子健康記錄系統中（例如英國的 EMIS Web）。

與傳統僅評估單一器官部位（如乳房 X 光攝影篩檢乳癌）的工具不同，QCancer 採取以患者為中心的方式，而非以器官為中心。它綜合評估多項因素——包括年齡、性別、身體質量指數 (BMI), 吸菸及飲酒史、家族病史，以及模糊症狀（例如不明原因的體重減輕、疲倦、腹痛、貧血、食慾不振...）—— 來計算目前未診斷癌症的風險，以及未來十年內罹患癌症的風險。

From Screening to Early Diagnosis: Integrating Population Risk Models and Symptomatic Triage Pathways ——

基層醫師經常面對「模糊或非特異性症狀」，這些症狀無法立即符合明確的緊急轉診標準。QCancer 正好彌補了這一空白：當醫師在電子病歷中輸入患者的症狀（例如持續咳嗽、小細胞性貧血或非預期體重減輕）時，QCancer 會自動提取相關背景風險因子，並計算患者罹患癌症的絕對風險百分比。若計算出的風險超過臨床門檻（例如 NICE 指南通常採用 ≧3% 的風險門檻），系統便會促使醫師立即安排診斷檢查（如電腦斷層掃瞄、內視鏡檢查、超音波檢查 ...），或將患者轉介至專家診斷流程。

QCancer：健康檢查流程中的實際應用 ——

破解「症狀模糊」的難題：超過 50% 的癌症患者會出現非特異性症狀（例如意外體重減輕、疲勞、輕度小細胞性貧血及輕微疼痛）。風險預測工具能將這些綜合且低風險的症狀量化為可操作的絕對風險分數。

減輕認知負擔與變異性：醫生每天面對近百次病患互動，透過自動化電子病歷 EHR 警示系統，能標準化臨床決策流程，確保不因認知過載或症狀細微而遺漏高風險病例。

QCancer 協助醫師判斷哪些患者需要接受高成本且具侵入性的影像檢查，哪些患者則可安全採取監測方式，從而減少對低風險個案的不必要檢測。

Integrated Intelligence   在您的檢查報告可以看到這些的分析結果   Boundless Reach

篩檢是在無症狀且表面健康的人群中，識別未被發現的癌症或癌前病變。與早期診斷不同，篩檢針對整個目標族群進行評估，發現潛在疾病，但大多數受檢者並未罹患該病。篩檢應視為一個完整過程，而非單一檢測。此過程包括通知並邀請目標族群參與、執行篩檢、追蹤異常結果並轉介進一步檢查，確保及時取得病理診斷、分期及有效治療，並透過定期評估持續優化。

• 症狀模型（例如 QCancer）：用於預測尚未診斷的癌症，從而指導即時進行 **診斷檢查** 或 **轉診**。

• CAPER 風險圖表 (CAncer Prediction in Exeter) 及其衍生的風險評估工具 (RATs)：在臨床實務中，單一症狀很少單獨代表癌症。CAPER 研究量化了—— 症狀、**特定症狀組合** 以及與實驗室檢查結果組合 —— 所對應的癌症風險。

• 無症狀風險評估模型（例如 Gail 模型、PLCO2012 模型）：用於預測未來風險，從而個別調整常規族群篩檢間隔（例如低劑量電腦斷層肺部掃瞄或高風險乳癌篩檢）。

• Gail 模型（乳癌風險評估）：用於評估女性是否應在 50 歲前開始接受乳房 X 光攝影篩檢，是否需要進行補充性的磁振造影 (MRI) 篩檢，或考慮使用降低風險的藥物（如他莫昔芬或芳香環酶抑制劑）。

• PLCO2012（肺癌風險評估）：透過評估吸菸史（包年數、戒菸時間、年齡）來判定符合資格接受年度低劑量電腦斷層掃瞄 (LDCT) 篩檢的人選，超越單純以年齡及包年數作為篩檢標準的限制。