記者14日從西湖大學了解到，該校研究團隊將人工智能技術用于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。該標記物系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，在當代人群中較為高發。與多數結節一樣，甲狀腺結節也有良性與惡性的區別。良性的甲狀腺結節對日常工作生活不會有影響，惡性的甲狀腺結節則需要盡早醫治。然而，臨床實踐中，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。

　　為解決這一難題，西湖大學生命科學學院郭天南實驗室與工學院李子青實驗室聯手，并同國內外多個臨床團隊進行了合作。

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

　　由于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。他們找到能夠區分良性與惡性結節的14個關鍵性的蛋白質組合，這些組合構成了可以判斷良惡性的模型。

　　隨后，研究團隊用該模型去預測未知良惡性的甲狀腺結節，再與臨床手術后的病理結果作比較。結果顯示，在對來自中國的四家醫院提供的288個甲狀腺石蠟樣本及64個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床中心進行測試，以進一步優化人工智能模型，并已在申請專利。