記者14日從西湖大學了解到，該校研究團隊將人工智能技術用于近千例甲狀腺結節(jié)病人的蛋白質(zhì)組大數(shù)據(jù)，發(fā)現(xiàn)了幫助區(qū)分甲狀腺結節(jié)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(jié)良惡性判斷的準確度。

　　研究人員介紹，甲狀腺結節(jié)，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(shù)結節(jié)一樣，甲狀腺結節(jié)也有良性與惡性的區(qū)別。良性的甲狀腺結節(jié)對日常工作生活不會有影響，惡性的甲狀腺結節(jié)則需要盡早醫(yī)治。然而，臨床實踐中，大約有30%的甲狀腺結節(jié)，缺少行之有效的良性、惡性判斷方法。

　　為解決這一難題，西湖大學生命科學學院郭天南實驗室與工學院李子青實驗室聯(lián)手，并同國內(nèi)外多個臨床團隊進行了合作。

　　在本次研究中，實驗團隊分析了911個甲狀腺結節(jié)攜帶者的組織樣品，進行了基于數(shù)據(jù)非依賴的蛋白質(zhì)組學分析，生成了2421個蛋白質(zhì)組學數(shù)據(jù)。

　　由于實驗所涉及的蛋白質(zhì)組數(shù)據(jù)量龐大，同時部分甲狀腺結節(jié)在分子水平上差別微小，研究團隊使用人工神經(jīng)網(wǎng)絡技術進行了篩選。他們找到能夠區(qū)分良性與惡性結節(jié)的14個關鍵性的蛋白質(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(jié)，再與臨床手術后的病理結果作比較。結果顯示，在對來自中國的四家醫(yī)院提供的288個甲狀腺石蠟樣本及64個甲狀腺結節(jié)穿刺樣本的良惡性的判斷上，該方法的準確率達到90%。

　　據(jù)了解，目前該方法正在更多的臨床中心進行測試，以進一步優(yōu)化人工智能模型，并已在申請專利。