鑒于此，美國斯坦福大學馬克西米蘭·戴恩教授及其同事優化了一種現有的評估循環腫瘤DNA(ctDNA)的測序方法。他們改善了DNA的提取，鑒定出有望作為有效疾病標記的變化。研究團隊用該方法表明
英國《自然》雜志26日發表一項醫學與人工智能(AI)研究，科學家報告一種機器學習方法能鑒別出早期肺癌患者。這一方法利用人工智能與優化的測序方法，可以檢測血樣中的腫瘤源性DNA(即液體活檢)，未來將有助于增加高危人群的篩查率。
現階段，一般推薦高危群體做CT掃描進行肺癌篩查，這種模式已被證明能減少肺癌相關死亡。不過，由于費用高、篩查項目少以及對假陽性的擔憂，這種篩查的使用度并不高。統計數字顯示，美國只有約5%符合條件的個體會去做這種篩查。
而血液檢測是另一種頗受歡迎的癌癥檢測方法。不過，大部分液體活檢研究主要監測的仍是晚期患者，因為他們可能比早期患者擁有更高水平的腫瘤相關DNA標記。
鑒于此，美國斯坦福大學馬克西米蘭·戴恩教授及其同事優化了一種現有的評估循環腫瘤DNA(ctDNA)的測序方法。他們改善了DNA的提取，鑒定出有望作為有效疾病標記的變化。研究團隊用該方法表明，盡管ctDNA在早期肺癌患者體內水平很低，卻是一個很有力的預后指標。他們隨后用這些數據，對一種機器學習方法進行改進，將其用來預測血樣中存在的肺癌源性DNA。
實驗顯示，在由104例早期非小細胞肺癌患者和56例匹配對照組成的初期樣本中，這種人工智能方法可以區分早期肺癌患者與風險匹配的對照;在另一個由46例病例和48例對照組成的獨立驗證隊列中，研究人員確認了以上結果。
基于血液樣本的液體活檢的出現，曾被認為標志著人類在攻克腫瘤的道路上又前進了一大步。目前臨床研究中，液體活檢技術主要包括血液中游離循環腫瘤細胞檢測、循環腫瘤DNA檢測、外泌體及循環RNA檢測等。近年來檢測方法的靈敏度比過去幾年有了很大改進，這也是此領域蓬勃發展的原因。
總編輯圈點
機器的精準度遠在人類之上，如果我們想要繼續在醫療和醫藥方面有長足進步，就必須借助機器。而AI，既擁有冰冷的精度又自帶學習的“頭腦”，是少數能夠為患者提供精確診斷的工具?，F在，伴隨著人類自身生物醫學知識的進步，這一診斷已經越來越穩定。其實，AI早已切實地走進你我身邊實施醫療幫助——譬如在這次疫情中，據我國不完全統計，現已有20余款人工智能系統應用在抗疫一線以及全國數百家醫院，為數十萬疑似病例和確診病例服務，幫助醫生有效提升了新冠肺炎的排查效率和診斷準確率。(記者張夢然)
關鍵詞：
