近日，中山大學(xué)腫瘤防治中心婦科教授劉繼紅團(tuán)隊(duì)與合作者，針對(duì)卵巢癌目前早期診斷困難、缺乏有效腫瘤標(biāo)志物的困境，基于常規(guī)體檢中的實(shí)驗(yàn)室檢驗(yàn)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(zhǔn)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(wú)特異性的癥狀體征，超過(guò)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(dāng)前缺乏標(biāo)志物實(shí)現(xiàn)卵巢癌的早期診斷，亟需發(fā)展新的卵巢癌診斷標(biāo)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(jì)醫(yī)學(xué)院附屬同濟(jì)醫(yī)院、浙江大學(xué)醫(yī)學(xué)院附屬婦產(chǎn)科醫(yī)院超過(guò)1萬(wàn)例女性的98項(xiàng)實(shí)驗(yàn)室檢查結(jié)果，并基于團(tuán)隊(duì)自主研發(fā)的創(chuàng)新人工智能融合框架——MCDM框架，融合20個(gè)人工智能基分類(lèi)模型，構(gòu)建了卵巢癌預(yù)測(cè)模型——MCF模型。該模型最終納入51項(xiàng)實(shí)驗(yàn)室檢驗(yàn)指標(biāo)和年齡，其在內(nèi)部驗(yàn)證集和兩個(gè)獨(dú)立的外部驗(yàn)證集上的AUC分別達(dá)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(shí)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(biāo)志物CA125、HE4及兩者聯(lián)合，且在部分指標(biāo)缺失的人群中依然可以對(duì)卵巢癌的風(fēng)險(xiǎn)進(jìn)行較準(zhǔn)確的預(yù)測(cè)，提示MCF模型具有較好的穩(wěn)定性，并對(duì)真實(shí)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(kāi)源的卵巢癌預(yù)測(cè)工具，輸入相應(yīng)實(shí)驗(yàn)室檢驗(yàn)數(shù)據(jù)和年齡即可計(jì)算患卵巢癌的風(fēng)險(xiǎn)值。由于模型使用的所有特征均為常規(guī)實(shí)驗(yàn)室項(xiàng)目，故在體檢機(jī)構(gòu)或?qū)D科腫瘤經(jīng)驗(yàn)有限的基層醫(yī)療機(jī)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(biāo)志物外，其他常規(guī)實(shí)驗(yàn)室檢驗(yàn)，如D-D二聚體、血小板計(jì)數(shù)等，也對(duì)卵巢癌診斷預(yù)測(cè)有較大貢獻(xiàn)，提示這些檢驗(yàn)指標(biāo)相關(guān)病理生理過(guò)程可能在卵巢癌的發(fā)展過(guò)程中發(fā)揮了重要作用，其潛在機(jī)制值得進(jìn)一步探討。

上述研究由劉繼紅團(tuán)隊(duì)聯(lián)合南方醫(yī)科大學(xué)、華中科技大學(xué)同濟(jì)醫(yī)學(xué)院附屬同濟(jì)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(tuán)隊(duì)完成，有望助力卵巢癌的精準(zhǔn)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(lái)源：中國(guó)科學(xué)報(bào)