美國佐治亞理工學院癌症綜合研究中心（ICRC）科學家將機器學習與血液代謝物信息相結合開發出一種新方法，使卵巢癌樣本檢測準確率達93%。相關研究論文發表於最新一期《婦科腫瘤學》雜誌。

卵巢癌被稱為沉默的殺手。因為這種疾病剛出現時通常沒有症狀，在癌症後期被發現時已經很難治療。最新研究負責人、ICRC創始主任約翰·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%，但如果及早發現並治療，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症，也有多種產生途徑。目前他們還沒有找到卵巢癌的單一通用診斷生物標誌物。鑒於此，他們使用人工智能（AI）的分支機器學習，來開發新型早期診斷方法。

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。質譜法能通過檢測代謝物的質量和電荷特征來識別血液中代謝物的存在，將其納入基於機器學習構建的預測模型內，類似於使用單個麵部特征構建麵部模式識別算法。已知有數千種代謝產物在人體血液中循環，通過質譜分析和機器學習，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，在檢測卵巢癌方麵的準確性高於現有常規檢測方法。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，有望應用於其他癌症檢測。

（文章來源：科技日報）