鑒于此，美國斯坦福大學馬克西米蘭·戴恩教授及其同事優(yōu)化了一種現(xiàn)有的評估循環(huán)腫瘤DNA(ctDNA)的測序方法。他們改善了DNA的提取，鑒定出有望作為有效疾病標記的變化。研究團隊用該方法表明

英國《自然》雜志26日發(fā)表一項醫(yī)學與人工智能(AI)研究，科學家報告一種機器學習方法能鑒別出早期肺癌患者。這一方法利用人工智能與優(yōu)化的測序方法，可以檢測血樣中的腫瘤源性DNA(即液體活檢)，未來將有助于增加高危人群的篩查率。

現(xiàn)階段，一般推薦高危群體做CT掃描進行肺癌篩查，這種模式已被證明能減少肺癌相關死亡。不過，由于費用高、篩查項目少以及對假陽性的擔憂，這種篩查的使用度并不高。統(tǒng)計數(shù)字顯示，美國只有約5%符合條件的個體會去做這種篩查。

而血液檢測是另一種頗受歡迎的癌癥檢測方法。不過，大部分液體活檢研究主要監(jiān)測的仍是晚期患者，因為他們可能比早期患者擁有更高水平的腫瘤相關DNA標記。

鑒于此，美國斯坦福大學馬克西米蘭·戴恩教授及其同事優(yōu)化了一種現(xiàn)有的評估循環(huán)腫瘤DNA(ctDNA)的測序方法。他們改善了DNA的提取，鑒定出有望作為有效疾病標記的變化。研究團隊用該方法表明，盡管ctDNA在早期肺癌患者體內(nèi)水平很低，卻是一個很有力的預后指標。他們隨后用這些數(shù)據(jù)，對一種機器學習方法進行改進，將其用來預測血樣中存在的肺癌源性DNA。

實驗顯示，在由104例早期非小細胞肺癌患者和56例匹配對照組成的初期樣本中，這種人工智能方法可以區(qū)分早期肺癌患者與風險匹配的對照;在另一個由46例病例和48例對照組成的獨立驗證隊列中，研究人員確認了以上結果。

基于血液樣本的液體活檢的出現(xiàn)，曾被認為標志著人類在攻克腫瘤的道路上又前進了一大步。目前臨床研究中，液體活檢技術主要包括血液中游離循環(huán)腫瘤細胞檢測、循環(huán)腫瘤DNA檢測、外泌體及循環(huán)RNA檢測等。近年來檢測方法的靈敏度比過去幾年有了很大改進，這也是此領域蓬勃發(fā)展的原因。

總編輯圈點

機器的精準度遠在人類之上，如果我們想要繼續(xù)在醫(yī)療和醫(yī)藥方面有長足進步，就必須借助機器。而AI，既擁有冰冷的精度又自帶學習的“頭腦”，是少數(shù)能夠為患者提供精確診斷的工具。現(xiàn)在，伴隨著人類自身生物醫(yī)學知識的進步，這一診斷已經(jīng)越來越穩(wěn)定。其實，AI早已切實地走進你我身邊實施醫(yī)療幫助——譬如在這次疫情中，據(jù)我國不完全統(tǒng)計，現(xiàn)已有20余款人工智能系統(tǒng)應用在抗疫一線以及全國數(shù)百家醫(yī)院，為數(shù)十萬疑似病例和確診病例服務，幫助醫(yī)生有效提升了新冠肺炎的排查效率和診斷準確率。(記者張夢然)

關鍵詞：