美國佐治亞理工學(xué)院癌癥綜合研究中心(ICRC)科學(xué)家將機(jī)器學(xué)習(xí)與血液代謝物信息相結(jié)合開發(fā)出一種新方法,使卵巢癌樣本檢測(cè)準(zhǔn)確率達(dá)93%。相關(guān)研究論文發(fā)表于最新一期《婦科腫瘤學(xué)》雜志。
卵巢癌被稱為沉默的殺手。因?yàn)檫@種疾病剛出現(xiàn)時(shí)通常沒有癥狀,在癌癥后期被發(fā)現(xiàn)時(shí)已經(jīng)很難治療。最新研究負(fù)責(zé)人、ICRC創(chuàng)始主任約翰·麥克唐納表示,雖然晚期卵巢癌患者平均5年生存率約為31%,但如果及早發(fā)現(xiàn)并治療,平均5年生存率將超過90%。
盡管30多年前,科學(xué)家就開始研究卵巢癌早期檢測(cè)方法,但結(jié)果一直差強(qiáng)人意。麥克唐納解釋說,因?yàn)槁殉舶┦菑姆肿铀介_始的,所以即使是同一種癌癥,也有多種產(chǎn)生途徑。目前他們還沒有找到卵巢癌的單一通用診斷生物標(biāo)志物。鑒于此,他們使用人工智能(AI)的分支機(jī)器學(xué)習(xí),來開發(fā)新型早期診斷方法。
研究團(tuán)隊(duì)指出,代謝水平上的變化可反映多個(gè)分子水平上共同作用的潛在變化,所以他們選擇患者個(gè)人的代謝圖譜作為整個(gè)檢測(cè)方法的基礎(chǔ)。質(zhì)譜法能通過檢測(cè)代謝物的質(zhì)量和電荷特征來識(shí)別血液中代謝物的存在,將其納入基于機(jī)器學(xué)習(xí)構(gòu)建的預(yù)測(cè)模型內(nèi),類似于使用單個(gè)面部特征構(gòu)建面部模式識(shí)別算法。已知有數(shù)千種代謝產(chǎn)物在人體血液中循環(huán),通過質(zhì)譜分析和機(jī)器學(xué)習(xí),可以很容易、很準(zhǔn)確地檢測(cè)它們。以此開展卵巢癌早期檢測(cè),準(zhǔn)確率高達(dá)93%。
麥克唐納表示,新方法使用患者個(gè)人的代謝圖譜,在檢測(cè)卵巢癌方面的準(zhǔn)確性高于現(xiàn)有常規(guī)檢測(cè)方法。這種個(gè)性化的方法代表了一個(gè)極富前景的卵巢癌早期檢測(cè)方向,有望應(yīng)用于其他癌癥檢測(cè)。
(責(zé)任編輯:華康)