三十多年來，醫生一直未能對卵巢癌進行高度準確的早期診斷測試。現在，佐治亞理工學院綜合癌癥研究中心(ICRC) 的科學家將機器學習與血液代謝物信息相結合，開發出一種新的測試方法，能夠在該團隊研究組的樣本中檢測出卵巢癌，準確率達到 93%。

紅十字國際委員會創始主任、生物科學學院名譽教授、該研究的通訊作者約翰·麥克唐納(John McDonald) 解釋說，新測試在檢測卵巢癌方面的準確性比現有針對臨床分類為正常女性的測試要好，而且有特別的改進。檢測該隊列中的早期卵巢疾病。

該團隊的結果和方法在一篇新論文“卵巢癌診斷的個性化概率方法”中進行了詳細介紹，該論文發表在醫學雜志《婦科腫瘤學》 2024 年 3 月在線刊上。基于他們的計算機模型，研究人員開發出了一種他們認為在臨床上更有用的卵巢癌診斷方法——通過患者的個體代謝特征可以更準確地確定疾病存在或不存在的概率。

“這種個性化、概率性的癌癥診斷方法比傳統的二元(是/否)測試更具臨床信息性和準確性，”麥克唐納說。 “它代表了卵巢癌以及其他癌癥早期檢測的一個有前途的新方向。”

該研究的共同作者還包括生物信息學博士Dongjo Ban 。麥當勞實驗室的學生;研究科學家Stephen N. Housley、Lilya V. Matyunina和L.DeEtte ( Walker) McDonald;攝政教授Jeffrey Skolnick，同時擔任生物科學學院 Mary 和 Maisie Gibson 主席以及佐治亞研究聯盟計算系統生物學杰出學者;以及兩位合作醫生：北卡羅來納大學教授Victoria L. Bae-Jump和亞特蘭大卵巢癌研究所創始人兼首席執行官Benedict B. Benigno。研究團隊的成員正在組建一家初創公司來轉讓和商業化該技術，并計劃尋求必要的試驗并獲得 FDA 的批準。

無聲殺手

卵巢癌通常被稱為無聲殺手，因為這種疾病在首次出現時通常是無癥狀的，并且通常直到發展的后期階段才被發現，此時難以治療。

McDonald 解釋說，雖然晚期卵巢癌患者的平均五年生存率(即使在治療后)也約為 31%，但如果卵巢癌得到早期發現和治療，平均五年生存率將超過 90%百分。

麥克唐納說：“顯然，非常需要對這種潛在疾病進行準確的早期診斷測試。”

盡管三十多年來人們一直在大力追求卵巢癌早期檢測測試的開發，但早期、準確的診斷測試的開發已被證明是難以實現的。麥克唐納解釋說，因為癌癥是從分子水平開始的，所以有多種可能的途徑甚至能夠導致相同的癌癥類型。

“由于患者之間存在這種高度的分子異質性，因此不可能鑒定出卵巢癌的單一通用診斷生物標志物，”麥克唐納說。 “出于這個原因，我們選擇使用人工智能的一個分支——機器學習——來開發另一種概率方法來應對卵巢癌診斷的挑戰。”