大脑癌症通过AI分析血液检测结果被检测到

最近，斯特拉斯克莱德大学（University of Strathclyde）和格拉斯哥（Glasgow）的研究人员获得了一种分析血液样本以检测大脑癌症的方法专利。ClinSpec Diagnostics Limited的研究人员将光谱学和AI算法相结合，基于血液活检检测大脑癌症。根据《今日心理学》（Psychology Today）报道，该研究最近发表在《自然通讯》（Nature Communications）杂志上，研究团队表示，这项工作代表了临床光谱学和AI在应用方面的重大发展。

该研究可能使得检测大脑癌症变得更加容易和简单。频繁出现的头痛可能是大脑癌症的症状，但尽管头痛很常见，大脑癌症却并不常见。临床医生需要一种更好的方法来区分哪些头痛是值得关注的，哪些是更为良性的。医生必须能够进行某种形式的初步筛查，并减少诊断大脑癌症所需的时间和资源，尤其是昂贵的大脑成像扫描。如果一个简单的血液检测可以为临床医生提供可靠的信息，以帮助他们诊断大脑癌症，生命将会被挽救。

正是出于这个原因，ClinSpec的研究人员旨在开发一个算法，帮助医生筛选可能的大脑癌症患者，将他们与其他头痛原因区分开来。

检测像癌症这样的疾病的一种常见方法是液体活检，即对身体的液体进行活检，而不是组织样本。液体活检市场正在迅速增长，根据BC Research LLC的市场研究，预计将达到24亿美元的规模。液体活检在检测癌症迹象方面是有效的，因为它可以检测到循环自由的肿瘤DNA（ctDNA）和循环肿瘤细胞（CTCs）。然而，ClinSpec的研究人员使用了一种不同的分析方法，即对血液样本进行光谱学，以找到指示癌症的生化标志物。

光谱学是使用电磁辐射来寻找特定的化学成分的过程。光被分解成组成的电磁频率，这些频率将以不同的方式与不同的化学物质反应。ClinSpec的研究团队使用红外光来创建血液样本的表示，这是一种称为衰减总反射（ATR）-傅里叶变换红外光谱学（FTIR）的技术。研究团队表示，这种技术是一种非破坏性、非侵入性的技术，可以可靠地在不需要大量准备样本的情况下创建样本的生化特征。然后可以分析血液样本的表示，以寻找异常，检查可能的癌症迹象。

为了分析数据，使用支持向量机创建了一个分类模型。支持向量机用于分类和回归分析，它通过绘制决策边界或将数据集分成多个类别的线来工作。算法尝试最大化分离线与两侧数据点之间的距离，距离越大，分类器越自信。

研究团队表示，他们的血液样本分析方法能够有效地区分癌症样本和非癌症样本。敏感性为93.2%，特异性为92.8%。根据MDDI Online的报道，研究人员报告称，当分析来自104个不同患者的样本时，他们的AI辅助方法能够区分健康患者和癌症患者的准确率约为86%。

研究人员在研究中解释说：

“这项工作代表了ATR-FTIR光谱学在临床应用中的一个步骤。这一步向高通量分析迈进，对于红外光谱学领域和临床环境都有影响。使用这种技术分析血清将非常适合作为大脑癌症的初步筛查工具。”