佐治亞理工學(xué)院癌癥綜合研究中心（ICRC）研究人員借助機(jī)器學(xué)習(xí)配合血液代謝物研究，成功將卵巢癌樣本檢出準(zhǔn)確度提升至驚人的93％。研究成果已刊登在《婦科腫瘤學(xué)》雜志。

卵巢癌因不易察覺且晚確診而被視為無聲殺手。據(jù)報(bào)道，晚期卵巢癌患者的五年存活率僅為31％，而及早發(fā)現(xiàn)與治療，這一比例便可提高到90％以上。盡管從三十年前起已有專家嘗試以各種方式探尋早期檢測方法，但至今未能取得顯著進(jìn)展。麥克唐納強(qiáng)調(diào)，所有卵巢癌都源于基因突變，因此同一類型的癌細(xì)胞可以通過不同路徑形成。當(dāng)前仍未發(fā)現(xiàn)適用于所有情況的診斷標(biāo)志物，因此我們采用了人工智能中的機(jī)器學(xué)習(xí)技術(shù)，以便開發(fā)更有效的早期診斷方法。

研究團(tuán)隊(duì)認(rèn)為，人體的生物代謝活動(dòng)會(huì)影響多層次的分子變化，進(jìn)而影響整個(gè)生理狀態(tài)。為此，我們根據(jù)個(gè)體的代謝圖譜來建立新的診斷模型。質(zhì)譜法注重血樣中代謝物質(zhì)量及電荷特性的辨識，將其融入基于機(jī)器學(xué)習(xí)的預(yù)測模型，如同我們利用可以誘發(fā)特定面部形態(tài)的單個(gè)基因來構(gòu)筑面部模式識別模型。血液中存在的成百上千種代謝產(chǎn)物，可通過質(zhì)譜和機(jī)器學(xué)習(xí)得以準(zhǔn)確檢測，從而實(shí)施高效的卵巢癌早期篩查，其準(zhǔn)確度高達(dá)93%。

麥克唐納表示，新方法基于針對特定患者建構(gòu)的代謝圖譜，較之現(xiàn)行常規(guī)檢測手段更為精準(zhǔn)。這種特異性的方法有望拓展到其他癌癥檢測領(lǐng)域。