您尚未登录账户
您的企业账号申请正在审核中
人工智能在癌症早期检测中的突破：准确区分13种癌症
在医学领域，癌症的早期检测一直是一个紧迫的挑战。现在，一项新的研究揭示了人工智能（AI）在这一领域的潜力。伦敦帝国理工学院和剑桥大学的研究团队开发了一种名为EMethylNET的AI模型，该模型通过分析DNA甲基化模式，能够从非癌组织中识别出多达13种不同类型的癌症，包括乳腺癌、肝癌、肺癌和前列腺癌等，其准确率高达98.2%。
这项研究的成果已发表在《Biology Methods and Protocols》期刊上，题为“Early detection and diagnosis of cancer with interpretable machine learning to uncover cancer-specific DNA methylation patterns”。研究表明，尽管目前该模型还处于实验阶段，但它已经展示了AI在癌症早期检测中的巨大潜力。研究人员强调，使用可解释的AI模型对于理解其预测逻辑至关重要，并且他们的模型在理解致癌过程方面取得了显著进展。
EMethylNET模型的多分类性能表现出色，准确率超过98%，这一成果对于癌症的早期筛查具有重要意义。研究团队利用机器学习方法从正常组织特异性甲基化中识别出癌症特异性变化，这一过程涉及到复杂的数据分析和模型训练。他们训练并评估了多种模型类型，包括逻辑回归、支持向量机（SVM）、梯度提升决策树（XGBoost）和深度神经网络（DNN），并最终确定XGBoost和DNN模型在独立数据集上表现最佳。
研究人员还探索了AI模型的内部工作原理，发现多类基因与癌症相关过程密切相关。他们对多类基因进行了功能富集分析，发现这些基因在致癌作用和转录调控特征方面具有重要作用，并在癌症相关通路和网络中富集。
该研究的通讯作者Shamith A Samarajiwa表示，随着在更多样的数据上进行更好的训练以及在临床上的严格测试，这样的计算方法最终将提供可以帮助医生进行癌症早期检测和筛查的AI模型，从而提供更好的治疗结果。未来，这种方法有望扩展到检测数百种癌症类型，并通过液体活检方法早期检测多种类型的癌症。此外，这种方法也有可能用于筛查特定癌症类型或来源不明的癌症，为癌症早期诊断和治疗开辟了新的可能性。
