【資料圖】

甲狀腺是成年人最大的內分泌腺，它控制著人體的代謝活動，如使用能量的速度、制造蛋白質、調節身體對其他荷爾蒙的敏感性等，被稱為“身體的發動機”。甲狀腺結節是指在甲狀腺中形成的固體或充滿液體的腫塊，根據《中國十城市甲狀腺疾病流行病學調查》的結果顯示，我國居民患甲狀腺結節的概率為18.6%，每5個人中就有1個人有甲狀腺結節。

甲狀腺結節可分為良性和惡性兩大類，其中良性甲狀腺結節占大多數，惡性甲狀腺結節約10%。一般來說，良性的甲狀腺結節不會對人的日常生活產生影響，惡性甲狀腺結節則需要進行手術治療。在診斷方面，甲狀腺結節的診斷方法包括超聲診斷、血清學檢查、核素掃描、和穿刺檢查等，其中穿刺檢查被認為是區分甲狀腺結節良惡性的最可靠的技術手段之一。

然而，在臨床實踐中，甲狀腺結節術前病理學結果中，仍有30%的甲狀腺結節患者的良惡性難以被確定，如果該結節為惡性，將會有發展成甲狀腺癌的可能。在目前的治療手段中，手術是大多數惡性甲狀腺結節的治療方式，但部分或全部切除甲狀腺的患者需要終生進行甲狀腺替代治療和醫學檢測。

針對當前的甲狀腺結節疾病中存在著過度診斷和過度治療的現象，西湖大學郭天南研究員團隊、李子青教授團隊及臨床合作者結合AI和蛋白質表達檢測，開發出一種精準診斷甲狀腺結節良惡性的技術，相關成果發表在9月6日的《Cell Discovery》(細胞發現)上。

蛋白質可以通過修試加工、轉運定位、結構變化、蛋白質之間的想副作用等方式，調控生物的生理活動，蛋白質組學是以蛋白質組為研究對象，研究細胞、組織或生物體蛋白質組成及其變化規律的科學。通過比對分析正常蛋白質組與病理蛋白質組之間的差異，可以找到某些疾病的特異性蛋白質分子，為疾病的早期診斷提供分子標志。如今，對蛋白質組的研究已經成為眾多疾病機理闡述和攻克的理論依據與解決途徑。

在甲狀腺結節良惡性的不同階段，蛋白質在分子層面的表達也不同，再加上實驗所涉及到的蛋白質數據數量龐大、且差別微小，結合人工智能技術進一步篩選將有效提高甲狀腺結節良惡性的診斷效率。

研究人員在1724例石蠟包埋(FFPE)的甲狀腺組織的基礎上，找到了19個蛋白質生物標志物，并利用人工智能技術建立了一個精神網絡模型，該模型實現了超過91%的甲狀腺良惡性的準確診斷。在后續的驗證實驗中，研究人員在對來自中國的288個樣本測試的結果顯示，該模型的診斷結果準確率為89%；對來自新加坡、中國的12個臨床中心的294個樣品測試的結果顯示，該模型驗證結果的準確率為85%。

該研究將蛋白質標志物與人工智能結合，改進和加強了不確定甲狀腺結節的良惡性診斷，能夠降低過度治療的成本，提升居民健康水平。

關鍵詞： 甲狀腺結節 蛋白質組 人工智能技術