記者14日從西湖大學(xué)了解到，該校研究團(tuán)隊(duì)將人工智能技術(shù)用于近千例甲狀腺結(jié)節(jié)病人的蛋白質(zhì)組大數(shù)據(jù)，發(fā)現(xiàn)了幫助區(qū)分甲狀腺結(jié)節(jié)良惡性的蛋白質(zhì)分子標(biāo)記物的組合。該標(biāo)記物系列將有望大幅提高甲狀腺結(jié)節(jié)良惡性判斷的準(zhǔn)確度。

　　研究人員介紹，甲狀腺結(jié)節(jié)，即甲狀腺腫瘤，可由多種因素引起，在當(dāng)代人群中較為高發(fā)。與多數(shù)結(jié)節(jié)一樣，甲狀腺結(jié)節(jié)也有良性與惡性的區(qū)別。良性的甲狀腺結(jié)節(jié)對(duì)日常工作生活不會(huì)有影響，惡性的甲狀腺結(jié)節(jié)則需要盡早醫(yī)治。然而，臨床實(shí)踐中，大約有30%的甲狀腺結(jié)節(jié)，缺少行之有效的良性、惡性判斷方法。

　　為解決這一難題，西湖大學(xué)生命科學(xué)學(xué)院郭天南實(shí)驗(yàn)室與工學(xué)院李子青實(shí)驗(yàn)室聯(lián)手，并同國(guó)內(nèi)外多個(gè)臨床團(tuán)隊(duì)進(jìn)行了合作。

　　在本次研究中，實(shí)驗(yàn)團(tuán)隊(duì)分析了911個(gè)甲狀腺結(jié)節(jié)攜帶者的組織樣品，進(jìn)行了基于數(shù)據(jù)非依賴的蛋白質(zhì)組學(xué)分析，生成了2421個(gè)蛋白質(zhì)組學(xué)數(shù)據(jù)。

　　由于實(shí)驗(yàn)所涉及的蛋白質(zhì)組數(shù)據(jù)量龐大，同時(shí)部分甲狀腺結(jié)節(jié)在分子水平上差別微小，研究團(tuán)隊(duì)使用人工神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行了篩選。他們找到能夠區(qū)分良性與惡性結(jié)節(jié)的14個(gè)關(guān)鍵性的蛋白質(zhì)組合，這些組合構(gòu)成了可以判斷良惡性的模型。

　　隨后，研究團(tuán)隊(duì)用該模型去預(yù)測(cè)未知良惡性的甲狀腺結(jié)節(jié)，再與臨床手術(shù)后的病理結(jié)果作比較。結(jié)果顯示，在對(duì)來自中國(guó)的四家醫(yī)院提供的288個(gè)甲狀腺石蠟樣本及64個(gè)甲狀腺結(jié)節(jié)穿刺樣本的良惡性的判斷上，該方法的準(zhǔn)確率達(dá)到90%。

　　據(jù)了解，目前該方法正在更多的臨床中心進(jìn)行測(cè)試，以進(jìn)一步優(yōu)化人工智能模型，并已在申請(qǐng)專利。