記者14日從(cong) 西湖大學了解到，該校研究團隊將人工智能技術用於(yu) 近千例甲狀腺結節病人的蛋白質組大數據，發現了幫助區分甲狀腺結節良惡性的蛋白質分子標記物的組合。該標記物係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(wei) 高發。與(yu) 多數結節一樣，甲狀腺結節也有良性與(yu) 惡性的區別。良性的甲狀腺結節對日常工作生活不會(hui) 有影響，惡性的甲狀腺結節則需要盡早醫治。然而，臨(lin) 床實踐中，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(wei) 解決(jue) 這一難題，西湖大學生命科學學院郭天南實驗室與(yu) 工學院李子青實驗室聯手，並同國內(nei) 外多個(ge) 臨(lin) 床團隊進行了合作。

　　在本次研究中，實驗團隊分析了911個(ge) 甲狀腺結節攜帶者的組織樣品，進行了基於(yu) 數據非依賴的蛋白質組學分析，生成了2421個(ge) 蛋白質組學數據。

　　由於(yu) 實驗所涉及的蛋白質組數據量龐大，同時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網絡技術進行了篩選。他們(men) 找到能夠區分良性與(yu) 惡性結節的14個(ge) 關(guan) 鍵性的蛋白質組合，這些組合構成了可以判斷良惡性的模型。

　　隨後，研究團隊用該模型去預測未知良惡性的甲狀腺結節，再與(yu) 臨(lin) 床手術後的病理結果作比較。結果顯示，在對來自中國的四家醫院提供的288個(ge) 甲狀腺石蠟樣本及64個(ge) 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(lin) 床中心進行測試，以進一步優(you) 化人工智能模型，並已在申請專(zhuan) 利。