一些指南提供了关于如何根据估计的恶性风险管理肺结节的建议。此外，已经使用临床和放射学标准开发了几种数学预测模型，以帮助临床医生区分恶性和良性病变。
　　研究人员发表了第一个风险计算器 - 被称为Brock或PanCan模型 - 在大型肺癌筛查试验中以数学方式模拟筛查检测结节的结果。该模型在每个结节的基础上实现了预测恶性肿瘤的高性能，曲线下面积(AUC)超过0.90。随后，使用来自各种研究的肺癌筛查数据验证模型达到类似的高预测值。在肺成像报告和数据系统(Lung-RADS;由美国放射学院出版)中，鼓励放射科医师使用Brock模型来决定CT肺癌筛查的随访程序。同样，英国胸科协会(BTS)发布的准则在筛选和临床环境调查和肺结节的管理，整合布洛克模型作为孤独的非钙化结节风险评估工具。Brock模型中经验设定的10%恶性风险阈值指导每个结节的管理。
　　与常规临床受试者相反，筛查参与者通常具有更多的小结节并且受特定的包含和排除标准(如，大量吸烟和年龄)的影响。因此，Brock模型在筛选队列中的高性能可能不会自动推断到临床环境。到目前为止，只有一篇出版物在临床背景下评估Brock。Al-Ameri 等报道，应用于临床数据时，Brock模型优于其他预测模型。然而，这项研究的重点是相对较小的人口，排除了纯粹的磨玻璃结节，并在一个中心进行。因此，问题仍然是该模型在临床人群中与其设计的筛选设置相比是否表现相似。本研究旨在验证未选择的，大型和异质的多中心临床人群的Brock模型。
　　在过去几年中，由于在全国肺部筛查试验(NLST)中发现的肺癌死亡率降低，人们已经对优化筛查肺结节的管理给予了很多关注。特别是在筛选时，其中大部分看到CT结节实际上是良性的，病人的管理应该使用单独的结节风险估计节省辐射，工作量，不必要的心理压力和财务费用进行个性化。
　　对于常规临床护理也是如此，因为CT的使用增加以及偶然检测到的肺结节的数量增加，并且由于患者和临床医生共同决策的增加。几项研究结果显示，偶发结节的平均结节患病率为13%，屏幕检出结节的结节率为33%，肺癌患病率分别为1.5%和1.4%。虽然报告的结节患病率在临床情况下比筛查时要小，但数量很大，并且代表了最终良性结节的大量随访CT。
　　经过数学验证的风险计算器可用于指导肺结节的管理。布鲁克模型，通过麦克威廉斯开发等人，展现了优异的容量在屏幕检测到的结节良性和恶性之间进行区分，并且它的使用在用于筛选和临床使用根瘤管理准则并入，尽管在临床验证迄今为止，受试者仅在一项小型单中心研究中进行过一次。
　　在这项研究中，研究人员使用来自两个学术中心的大型临床数据集，在筛选设置之外验证了Brock模型。在未选择和异质的群体中 - 即使没有Brock模型排除标准(例如，先前的肺癌或某些合并症)的限制 - 该模型在两个数据集中实现了大于0.90的AUC。这表明恶性风险计算器也适用于日常临床护理中偶然发现的结节，尽管其性能略低于筛查环境。
最近，Brock模型在临床英国人群中得到验证。的AUC获得的是在施加在布洛克研究中使用的相同的排除标准后受限单中心队列。当模型在整个队列上验证时，结果更差。研究中，除了图像质量问题和年龄低于40岁之外，没有应用任何排除标准。此外包括所有结节类型，而英国研究中排除了纯磨砂玻璃结节。必须强调的是，该模型在研究的两个验证队列中都取得了类似的结果，尽管CT数据是在中心A中用1 mm厚的切片重建的，而在中心B中大多是3 mm厚的切片，这导致了不同的空间分辨率和评估结节类型，毛刺和结节大小的准确性不同。
　　虽然显着，但AUC显示相对较小的差异，因此必须谨慎解释这些差异的临床相关性。不过，从统计学上来说，研究表明，结核大小起着重要作用。尽管与同等特异性的简约和完整Brock模型相比，NPV是相同的，但仅尺寸模型的灵敏度显着降低。这意味着仅尺寸模型能够基于小的结节尺寸很好地指示良性结节，但仅使用结节尺寸来预测恶性肿瘤表现出较差的性能。
　　研究有很多局限性。首先，通过国家癌症登记处获得肺癌诊断数据，但不包括CT数据。因此必须使用个体肺叶位置和发病日期来确定与癌症相对应的结节。该研究仅纳入了代表已知肺癌的高度置信水平的结节。这可能会对更明显的恶性肿瘤引入一点偏见。其次，对于良性结节，研究人员依赖于结果数据，他们分别在中心A和B的中位随访时间70和76个月内没有发展成恶性肿瘤。这可能导致非实体结节的一些错误分类，其中恶性肿瘤的发展可能需要数年时间。然而，由于国家癌症登记处存档所有恶性肿瘤，无论荷兰医院如何，并且考虑到中位随访时间相对较长，研究人员认为结果数据可靠。第三，由于本研究的回顾性，研究人群的某些临床信息不可用，例如吸烟行为，症状和家族史。然而，由于它包含在Brock模型中，因此可能对研究产生影响的唯一参数是家族史。尽管如此，由于家族史不属于原始Brock模型中的重要输入因素组，研究人员认为其对结果的影响是有限的。最后，一定比例的控件被排除在外，主要是因为图像质量问题。这可能导致选择偏差。
　　然而，结果表明该模型在筛选设置之外具有非常高的阴性预测能力。此外，它反映了肺癌筛查文献的发现具有较高的辨别力，尽管有些差。因此，研究人员得出结论，在未经选择的异质临床人群中，Brock风险预测模型能够在筛选环境之外促进个性化的风险依赖性肺结节管理。在临床受试者中应用Brock模型的指导假设推断似乎是合法的。