三十多年来，医生一直未能对卵巢癌进行高度准确的早期诊断测试。现在，佐治亚理工学院综合癌症研究中心(ICRC) 的科学家将机器学习与血液代谢物信息相结合，开发出一种新的测试方法，能够在该团队研究组的样本中检测出卵巢癌，准确率达到 93%。
红十字国际委员会创始主任、生物科学学院名誉教授、该研究的通讯作者约翰·麦克唐纳(John McDonald) 解释说，新测试在检测卵巢癌方面的准确性比现有针对临床分类为正常女性的测试要好，而且有特别的改进。检测该队列中的早期卵巢疾病。
该团队的结果和方法在一篇新论文“卵巢癌诊断的个性化概率方法”中进行了详细介绍，该论文发表在医学杂志《妇科肿瘤学》 2024 年 3 月在线刊上。基于他们的计算机模型，研究人员开发出了一种他们认为在临床上更有用的卵巢癌诊断方法——通过患者的个体代谢特征可以更准确地确定疾病存在或不存在的概率。
“这种个性化、概率性的癌症诊断方法比传统的二元(是/否)测试更具临床信息性和准确性，”麦克唐纳说。 “它代表了卵巢癌以及其他癌症早期检测的一个有前途的新方向。”
该研究的共同作者还包括生物信息学博士Dongjo Ban 。麦当劳实验室的学生;研究科学家Stephen N. Housley、Lilya V. Matyunina和L.DeEtte ( Walker) McDonald;摄政教授Jeffrey Skolnick，同时担任生物科学学院 Mary 和 Maisie Gibson 主席以及佐治亚研究联盟计算系统生物学杰出学者;以及两位合作医生：北卡罗来纳大学教授Victoria L. Bae-Jump和亚特兰大卵巢癌研究所创始人兼首席执行官Benedict B. Benigno。研究团队的成员正在组建一家初创公司来转让和商业化该技术，并计划寻求必要的试验并获得 FDA 的批准。
无声杀手
卵巢癌通常被称为无声杀手，因为这种疾病在首次出现时通常是无症状的，并且通常直到发展的后期阶段才被发现，此时难以治疗。
McDonald 解释说，虽然晚期卵巢癌患者的平均五年生存率(即使在治疗后)也约为 31%，但如果卵巢癌得到早期发现和治疗，平均五年生存率将超过 90%百分。
麦克唐纳说：“显然，非常需要对这种潜在疾病进行准确的早期诊断测试。”
尽管三十多年来人们一直在大力追求卵巢癌早期检测测试的开发，但早期、准确的诊断测试的开发已被证明是难以实现的。麦克唐纳解释说，因为癌症是从分子水平开始的，所以有多种可能的途径甚至能够导致相同的癌症类型。
“由于患者之间存在这种高度的分子异质性，因此不可能鉴定出卵巢癌的单一通用诊断生物标志物，”麦克唐纳说。 “出于这个原因，我们选择使用人工智能的一个分支——机器学习——来开发另一种概率方法来应对卵巢癌诊断的挑战。”
免责声明：本文由用户上传，如有侵权请联系删除！
