佐治亞理工學院癌癥綜合研究中心（ICRC）研究人員借助機器學習配合血液代謝物研究，成功將卵巢癌樣本檢出準確度提升至驚人的93％。研究成果已刊登在《婦科腫瘤學》雜志。

卵巢癌因不易察覺且晚確診而被視為無聲殺手。據報道，晚期卵巢癌患者的五年存活率僅為31％，而及早發現與治療，這一比例便可提高到90％以上。盡管從三十年前起已有專家嘗試以各種方式探尋早期檢測方法，但至今未能取得顯著進展。麥克唐納強調，所有卵巢癌都源于基因突變，因此同一類型的癌細胞可以通過不同路徑形成。當前仍未發現適用于所有情況的診斷標志物，因此我們采用了人工智能中的機器學習技術，以便開發更有效的早期診斷方法。

研究團隊認為，人體的生物代謝活動會影響多層次的分子變化，進而影響整個生理狀態。為此，我們根據個體的代謝圖譜來建立新的診斷模型。質譜法注重血樣中代謝物質量及電荷特性的辨識，將其融入基于機器學習的預測模型，如同我們利用可以誘發特定面部形態的單個基因來構筑面部模式識別模型。血液中存在的成百上千種代謝產物，可通過質譜和機器學習得以準確檢測，從而實施高效的卵巢癌早期篩查，其準確度高達93%。

麥克唐納表示，新方法基于針對特定患者建構的代謝圖譜，較之現行常規檢測手段更為精準。這種特異性的方法有望拓展到其他癌癥檢測領域。