【资料图】

甲状腺是成年人最大的内分泌腺，它控制着人体的代谢活动，如使用能量的速度、制造蛋白质、调节身体对其他荷尔蒙的敏感性等，被称为“身体的发动机”。甲状腺结节是指在甲状腺中形成的固体或充满液体的肿块，根据《中国十城市甲状腺疾病流行病学调查》的结果显示，我国居民患甲状腺结节的概率为18.6%，每5个人中就有1个人有甲状腺结节。

甲状腺结节可分为良性和恶性两大类，其中良性甲状腺结节占大多数，恶性甲状腺结节约10%。一般来说，良性的甲状腺结节不会对人的日常生活产生影响，恶性甲状腺结节则需要进行手术治疗。在诊断方面，甲状腺结节的诊断方法包括超声诊断、血清学检查、核素扫描、和穿刺检查等，其中穿刺检查被认为是区分甲状腺结节良恶性的最可靠的技术手段之一。

然而，在临床实践中，甲状腺结节术前病理学结果中，仍有30%的甲状腺结节患者的良恶性难以被确定，如果该结节为恶性，将会有发展成甲状腺癌的可能。在目前的治疗手段中，手术是大多数恶性甲状腺结节的治疗方式，但部分或全部切除甲状腺的患者需要终生进行甲状腺替代治疗和医学检测。

针对当前的甲状腺结节疾病中存在着过度诊断和过度治疗的现象，西湖大学郭天南研究员团队、李子青教授团队及临床合作者结合AI和蛋白质表达检测，开发出一种精准诊断甲状腺结节良恶性的技术，相关成果发表在9月6日的《Cell Discovery》(细胞发现)上。

蛋白质可以通过修试加工、转运定位、结构变化、蛋白质之间的想副作用等方式，调控生物的生理活动，蛋白质组学是以蛋白质组为研究对象，研究细胞、组织或生物体蛋白质组成及其变化规律的科学。通过比对分析正常蛋白质组与病理蛋白质组之间的差异，可以找到某些疾病的特异性蛋白质分子，为疾病的早期诊断提供分子标志。如今，对蛋白质组的研究已经成为众多疾病机理阐述和攻克的理论依据与解决途径。

在甲状腺结节良恶性的不同阶段，蛋白质在分子层面的表达也不同，再加上实验所涉及到的蛋白质数据数量庞大、且差别微小，结合人工智能技术进一步筛选将有效提高甲状腺结节良恶性的诊断效率。

研究人员在1724例石蜡包埋(FFPE)的甲状腺组织的基础上，找到了19个蛋白质生物标志物，并利用人工智能技术建立了一个精神网络模型，该模型实现了超过91%的甲状腺良恶性的准确诊断。在后续的验证实验中，研究人员在对来自中国的288个样本测试的结果显示，该模型的诊断结果准确率为89%；对来自新加坡、中国的12个临床中心的294个样品测试的结果显示，该模型验证结果的准确率为85%。

该研究将蛋白质标志物与人工智能结合，改进和加强了不确定甲状腺结节的良恶性诊断，能够降低过度治疗的成本，提升居民健康水平。

关键词： 甲状腺结节 蛋白质组 人工智能技术