記者14日從西湖大學(xué)了解到，該校研究團隊將人工智能技術(shù)用于近千例甲狀腺結節病人的蛋白質(zhì)組大數據，發(fā)現了幫助區分甲狀腺結節良惡性的蛋白質(zhì)分子標記物的組合。該標記物系列將有望大幅提高甲狀腺結節良惡性判斷的準確度。

　　研究人員介紹，甲狀腺結節，即甲狀腺腫瘤，可由多種因素引起，在當代人群中較為高發(fā)。與多數結節一樣，甲狀腺結節也有良性與惡性的區別。良性的甲狀腺結節對日常工作生活不會(huì )有影響，惡性的甲狀腺結節則需要盡早醫治。然而，臨床實(shí)踐中，大約有30%的甲狀腺結節，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)驗室與工學(xué)院李子青實(shí)驗室聯(lián)手，并同國內外多個(gè)臨床團隊進(jìn)行了合作。

　　在本次研究中，實(shí)驗團隊分析了911個(gè)甲狀腺結節攜帶者的組織樣品，進(jìn)行了基于數據非依賴(lài)的蛋白質(zhì)組學(xué)分析，生成了2421個(gè)蛋白質(zhì)組學(xué)數據。

　　由于實(shí)驗所涉及的蛋白質(zhì)組數據量龐大，同時(shí)部分甲狀腺結節在分子水平上差別微小，研究團隊使用人工神經(jīng)網(wǎng)絡(luò )技術(shù)進(jìn)行了篩選。他們找到能夠區分良性與惡性結節的14個(gè)關(guān)鍵性的蛋白質(zhì)組合，這些組合構成了可以判斷良惡性的模型。

　　隨后，研究團隊用該模型去預測未知良惡性的甲狀腺結節，再與臨床手術(shù)后的病理結果作比較。結果顯示，在對來(lái)自中國的四家醫院提供的288個(gè)甲狀腺石蠟樣本及64個(gè)甲狀腺結節穿刺樣本的良惡性的判斷上，該方法的準確率達到90%。

　　據了解，目前該方法正在更多的臨床中心進(jìn)行測試，以進(jìn)一步優(yōu)化人工智能模型，并已在申請專(zhuān)利。