通过人工智能分析血液检测结果检测出脑癌

最近，格拉斯哥斯特拉斯克莱德大学的研究人员获得了一种分析血液样本以检测脑癌的方法的专利。 ClinSpec Diagnostics Limited 的研究人员结合光谱学和人工智能算法，根据血液活检检测脑癌。 据报道 今日心理学该研究最近发表在《自然通讯》杂志上，研究团队表示，这项工作代表了临床光谱学和人工智能应用的重大发展。

该研究中提出的研究可以使罹患脑癌变得更加容易和简单。 经常出现的头痛可能是脑癌的症状，但尽管头痛很常见，但脑癌却并非如此。 临床医生需要一种更好的方法来辨别哪些头痛值得关注，哪些头痛是良性的。 医生必须能够进行某种形式的分类，并减少通过昂贵的脑成像扫描诊断脑癌所投入的时间和资源。 如果简单的血液测试可以为临床医生提供可靠的信息，帮助他们诊断脑癌病例，那么就可以挽救生命。

正是出于这个原因，ClinSpec 研究人员旨在开发一种算法，帮助医生对可能的脑癌患者进行分类，将其与其他头痛原因区分开来。

检测癌症等疾病的常见方法之一是液体活检，即对身体液体而不是组织样本进行活检。 液体活检市场正在迅速增长，根据 BC Research LLC 的市场研究，其规模估计达到 2.4 亿美元。 液体活检被证明可以有效检测癌症迹象，因为它能够检测无细胞循环肿瘤 DNA (ctDNA) 和循环肿瘤细胞 (CRC)。 然而，ClinSpec 的研究人员采用了不同的分析方法，对血液样本进行光谱分析，以寻找指示癌症的生化标记物。

光谱学是利用电磁辐射寻找某些目标化学成分的过程。 光被分成电磁频率分量，这些频率会对不同的化学物质产生不同的反应。 ClinSpec 研究团队使用红外光来创建血液样本的表示，这种技术被称为衰减全反射 (ATR)-傅立叶变换红外 (FTIR) 光谱。 研究小组表示，该技术是一种非破坏性、非侵入性技术，可以可靠地创建样品的生化特征，而无需大量准备样品。 然后可以分析血液样本的表现是否存在异常，检查是否有可能的癌症迹象。

为了分析数据，使用支持向量机创建分类模型。支持向量机用于分类和回归分析，它们通过绘制决策边界或将数据集分为多个类的线来进行操作。该算法尝试最大化分界线与分界线两侧数据点之间的距离，距离越大，分类器的置信度越高。

研究小组表示，他们对血液样本的分析方法能够有效区分癌症样本和非癌症样本。敏感性为93.2%，特异性为92.8%。据 MDDI Online 报道，研究人员报告称，在分析 104 名不同患者的样本时，他们的人工智能辅助方法能够在大约 86% 的时间内区分健康患者和癌症患者。

研究人员在研究中解释道：

“这项工作代表了 ATR-FTIR 光谱学向临床转化的一步。 迈向高通量分析的这一步骤对红外光谱领域以及临床环境具有影响。 使用这种技术对血清进行分析非常适合作为脑癌分诊工具的临床途径。”