（健康快讯）科研人员借助AI提高甲状腺结节良恶性辨别力

本篇文章617字，读完约2分钟

记者14日从西湖大学了解到，该大学的研究团队应用人工智能技术对近1000例甲状腺结节患者的蛋白质组大数据进行分析，发现了一种结合蛋白质分子标记的方法，有助于区分甲状腺结节的良恶性。这一系列标记有望大大提高判断甲状腺结节良恶性的准确性。

据研究人员称，甲状腺结节，即甲状腺肿瘤，可由多种因素引起，在当代人群中更为常见。像大多数结节一样，甲状腺结节也有良恶性之分。良性甲状腺结节对日常工作生活没有影响，恶性甲状腺结节需要尽快治疗。然而，在临床实践中，约有30%的甲状腺结节，缺乏有效的方法来判断良恶性。

为了解决这一问题，西湖大学生命科学学院郭天南实验室与李子青实验室联手，与国内外多个临床团队合作。

在这项研究中，实验小组分析了911名甲状腺结节携带者的组织样本，进行了数据独立的蛋白质组分析，生成了2421个蛋白质组数据。

由于实验涉及的蛋白质组数据量巨大，以及部分甲状腺结节在分子水平上的微小差异，研究小组采用人工神经网络技术进行筛选。他们发现了14种可以区分良性和恶性结节的关键蛋白质组合，这些组合构成了一个可以判断良性和恶性结节的模型。

随后，研究小组使用该模型预测未知的甲状腺良恶性结节，然后与临床手术后的病理结果进行比较。结果表明，该方法对国内4家医院提供的288份甲状腺石蜡标本和64份甲状腺结节穿刺标本的良恶性判断准确率为90%。

据了解，这种方法正在更多的临床中心进行测试，以进一步优化人工智能模型，并已申请专利。