卵巢癌被称为“妇癌之王”

5年生存率仅为40%

超半数患者发现时已是晚期

因此早期诊断卵巢癌

至关重要

广卫君获悉，近日，中山大学肿瘤防治中心妇科刘继红教授团队与合作者构建了一个人工智能融合模型，输入常规实验室检验数据和年龄即可计算患卵巢癌的风险值，有望助力卵巢癌的精准防控及早期诊断。

相关研究成果发表在《柳叶刀·数字健康》上。

据介绍，目前临床上主要运用糖类抗原125（CA125）和人附睾蛋白4(HE4)为诊断卵巢癌的标志物，但研究已证实其敏感性和特异性有限。

卵巢癌若要实现早期诊断，亟需发现新的标志物，协助提高早期诊断率。

在研究中，研究团队从血常规、生化检查、凝血检查、尿液检查等常规实验室检验中另辟蹊径，收集了中山大学肿瘤防治中心、华中科技大学同济医学院附属同济医院、浙江大学医学院附属妇产科医院超过1万例女性的98项实验室检查结果进行建模研究。

研究团队认为，若能以这些检验指标作为标志物，对提高体检机构和基层医疗机构的卵巢癌诊断水平，改善疾病二级预防现状，进而改善卵巢癌患者的预后具有重要意义。

▲模型示意图

随后，研究团队基于自主研发的创新人工智能融合框架，融合20个人工智能基分类模型，构建了卵巢癌预测模型——MCF模型。

研究结果显示，该模型识别卵巢癌患者特别是早期卵巢癌患者的有关标志物和灵敏度显著高于传统卵巢癌标志物，且在部分指标缺失的人群中依然可以对卵巢癌风险进行较准确的预测，具有较好稳定性，并对真实世界数据具有较好的兼容性。

研究团队表示，该模型已封装为开源的卵巢癌预测工具，这意味着，输入相应实验室检验数据和年龄即可计算出患卵巢癌的风险值，为卵巢癌提供了一种低成本、易获取，且准确性高的人工智能辅助诊断工具。

▲模型对比CA125对卵巢癌（图A-C）、早期卵巢癌（D-F）的诊断效能

值得一提的是，由于MCF模型使用的所有特征均为常规实验室项目，检验成本低，已广泛运用于常规体检和各级医疗机构中。因此，在体检机构或对妇科肿瘤经验有限的基层医疗机构中，该模型可为卵巢癌的诊断提供宝贵且高效的决策帮助。

此外，该研究还发现，除肿瘤标志物外，其他常规实验室检验，如D-D二聚体、血小板计数等，也对卵巢癌诊断预测有较大贡献，提示这些检验指标相关病理生理过程可能在卵巢癌的发展过程中发挥了重要作用，其潜在机制值得进一步探讨。

中山大学肿瘤防治中心蔡光瑶博士、南方医科大学博士研究生黄方俊、华中科技大学同济医学院附属同济医院高越博士、浙江大学医学院附属妇产科医院李晓教授为文章共同第一作者；中山大学肿瘤防治中心刘继红教授、南方医科大学甄鑫教授、华中科技大学同济医学院附属同济医院高庆蕾教授为共同通讯作者。

记者 | 苏海宁

编辑 | 尹蓁 责编 | 张秀丽

通讯员 | 陈鋆 赵现廷

广东卫生在线全媒体团队出品