美国佐治亚理工学院癌症综合研究中心（ICRC）科学家将机器学习与血液代谢物信息相结合开发出一种新方法，使卵巢癌样本检测准确率达93%。相关研究论文发表于最新一期《妇科肿瘤学》杂志。

  卵巢癌被称为沉默的杀手。因为这种疾病刚出现时通常没有症状，在癌症后期被发现时已经很难治疗。最新研究负责人、ICRC创始主任约翰·麦克唐纳表示，虽然晚期卵巢癌患者平均5年生存率约为31%，但如果及早发现并治疗，平均5年生存率将超过90%。

  尽管30多年前，科学家就开始研究卵巢癌早期检测方法，但结果一直差强人意。麦克唐纳解释说，因为卵巢癌是从分子水平开始的，所以即使是同一种癌症，也有多种产生途径。目前他们还没有找到卵巢癌的单一通用诊断生物标志物。鉴于此，他们使用人工智能（AI）的分支机器学习，来开发新型早期诊断方法。

  研究团队指出，代谢水平上的变化可反映多个分子水平上共同作用的潜在变化，所以他们选择患者个人的代谢图谱作为整个检测方法的基础。质谱法能通过检测代谢物的质量和电荷特征来识别血液中代谢物的存在，将其纳入基于机器学习构建的预测模型内，类似于使用单个面部特征构建面部模式识别算法。已知有数千种代谢产物在人体血液中循环，通过质谱分析和机器学习，可以很容易、很准确地检测它们。以此开展卵巢癌早期检测，准确率高达93%。

  麦克唐纳表示，新方法使用患者个人的代谢图谱，在检测卵巢癌方面的准确性高于现有常规检测方法。这种个性化的方法代表了一个极富前景的卵巢癌早期检测方向，有望应用于其他癌症检测。