科技日報北京1月31日電 （記者 劉霞）美國佐治亞理工學院癌癥綜合研究中心（ICRC）科學家將機器學習與血液代謝物信息相結(jié)合開發(fā)出一種新方法,，使卵巢癌樣本檢測準確率達93%。相關研究論文發(fā)表于最新一期《婦科腫瘤學》雜志。
卵巢癌被稱為沉默的殺手,。因為這種疾病剛出現(xiàn)時通常沒有癥狀,，在癌癥后期被發(fā)現(xiàn)時已經(jīng)很難治療。最新研究負責人,、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，科學家就開始研究卵巢癌早期檢測方法,，但結(jié)果一直差強人意,。麥克唐納解釋說，因為卵巢癌是從分子水平開始的,，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志物,。鑒于此,，他們使用人工智能（AI）的分支機器學習，來開發(fā)新型早期診斷方法,。
研究團隊指出,，代謝水平上的變化可反映多個分子水平上共同作用的潛在變化，所以他們選擇患者個人的代謝圖譜作為整個檢測方法的基礎,。質(zhì)譜法能通過檢測代謝物的質(zhì)量和電荷特征來識別血液中代謝物的存在,，將其納入基于機器學習構(gòu)建的預測模型內(nèi)，類似于使用單個面部特征構(gòu)建面部模式識別算法,。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)譜分析和機器學習，可以很容易,、很準確地檢測它們,。以此開展卵巢癌早期檢測，準確率高達93%,。
麥克唐納表示,，新方法使用患者個人的代謝圖譜，在檢測卵巢癌方面的準確性高于現(xiàn)有常規(guī)檢測方法,。這種個性化的方法代表了一個極富前景的卵巢癌早期檢測方向,，有望應用于其他癌癥檢測。
責任編輯：邢敏
