近日，中山大學(xué)腫瘤防治中心婦科教授劉繼紅團隊與合作者，針對卵巢癌目前早期診斷困難、缺乏有效腫瘤標志物的困境，基于常規(guī)體檢中的實驗室檢驗構(gòu)建了卵巢癌診斷人工智能融合模型，為卵巢癌提供了一種低成本、易獲取，且高準確率的輔助診斷工具。相關(guān)成果發(fā)表于《柳葉刀·數(shù)字健康》。

卵巢癌是致死率最高的婦科惡性腫瘤，其5年生存率僅為40%。卵巢癌發(fā)病隱匿，無特異性的癥狀體征，超過一半的患者發(fā)現(xiàn)已是晚期，這是卵巢癌預(yù)后差的重要原因。當前缺乏標志物實現(xiàn)卵巢癌的早期診斷，亟需發(fā)展新的卵巢癌診斷標志物協(xié)助卵巢癌診斷走出困境。

該研究收集了中山大學(xué)腫瘤防治中心、華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院、浙江大學(xué)醫(yī)學(xué)院附屬婦產(chǎn)科醫(yī)院超過1萬例女性的98項實驗室檢查結(jié)果，并基于團隊自主研發(fā)的創(chuàng)新人工智能融合框架——MCDM框架，融合20個人工智能基分類模型，構(gòu)建了卵巢癌預(yù)測模型——MCF模型。該模型最終納入51項實驗室檢驗指標和年齡，其在內(nèi)部驗證集和兩個獨立的外部驗證集上的AUC分別達0.949（95%CI 0.948-0.950）、0.882（0.880-0.885）和0.884（0.882-0.887）。

研究結(jié)果顯示，MCF模型識別卵巢癌患者、特別是早期卵巢癌患者的AUC和靈敏度顯著高于傳統(tǒng)卵巢癌標志物CA125、HE4及兩者聯(lián)合，且在部分指標缺失的人群中依然可以對卵巢癌的風險進行較準確的預(yù)測，提示MCF模型具有較好的穩(wěn)定性，并對真實世界數(shù)據(jù)具有較好的兼容性。

該研究構(gòu)建的MCF模型已封裝為開源的卵巢癌預(yù)測工具，輸入相應(yīng)實驗室檢驗數(shù)據(jù)和年齡即可計算患卵巢癌的風險值。由于模型使用的所有特征均為常規(guī)實驗室項目，故在體檢機構(gòu)或?qū)D科腫瘤經(jīng)驗有限的基層醫(yī)療機構(gòu)中，該模型可為卵巢癌的診斷提供寶貴且高效的決策幫助。

該研究還發(fā)現(xiàn)，除腫瘤標志物外，其他常規(guī)實驗室檢驗，如D-D二聚體、血小板計數(shù)等，也對卵巢癌診斷預(yù)測有較大貢獻，提示這些檢驗指標相關(guān)病理生理過程可能在卵巢癌的發(fā)展過程中發(fā)揮了重要作用，其潛在機制值得進一步探討。

上述研究由劉繼紅團隊聯(lián)合南方醫(yī)科大學(xué)、華中科技大學(xué)同濟醫(yī)學(xué)院附屬同濟醫(yī)院、浙江大學(xué)醫(yī)學(xué)院附屬婦產(chǎn)科醫(yī)院的合作者團隊完成，有望助力卵巢癌的精準防控及早期診斷。

相關(guān)論文信息：https://doi.org/10.1016/S2589-7500(23)00245-5

來源：中國科學(xué)報