卸甲而行第期，每晚8点，不定期更新（早期素材）。
本期主题：未来可期，西湖大学用人工智能（AI）技术进行甲状腺结节的良恶性判断。
翻出一条年的消息，西湖大学生命科学学院郭天南组、工学院李子青组等合作研究团队，运用蛋白质组学技术系统分析了近千例甲状腺结节病人组织样本的蛋白质组差异，结合人工智能机器学习，鉴定到可区分甲状腺结节良恶性的蛋白质分子标记物的组合，临床应用准确率达到了90%，将有望克服当前甲状腺结节良恶性诊断的难题。相关研究成果已于近日（注：年）以ProteinClassifierforThyroidNodulesLearnedfromRapidlyAcquiredProteotypes为题在预印版平台medRxiv上线。
01
人工智能鉴别甲状腺结节的主要过程
包括三个步骤：
1、甲状腺结节的大样本蛋白质组学
2、蛋白质组数据挖掘，鉴定蛋白标志物组合
3、蛋白生物标志物组合的验证
02
人工智能鉴别甲状腺结节的核心技术
因此，研究团队进一步使用机器学习中的人工神经网络技术，即一种“模仿”人脑，由大量的节点（类似人脑中的“神经元”）相互联接构成的运算模型，对良性与恶性结节的蛋白组数据进行了分析，筛选到包含14个关键性蛋白的蛋白标志物组合，能够对良性与恶性甲状腺结节进行有效区分。
03
人工智能鉴别甲状腺结节情况总结
现有的甲状腺结节良恶性诊断手法，存在过度治疗或过度诊断的现象。研究人员队对例甲状腺结节组织样品进行了系统的蛋白质组学分析，结合神经网络机器学习鉴定到包含14个关键性蛋白的蛋白标志物组合，能够对良性与恶性甲状腺结节进行有效区分。
研究是目前最系统的临床组织样品蛋白质组学研究之一，证明了基于蛋白质组学结合神经网络的疾病分类方法在临床肿的应用潜力，也为其他疾病的大阵列临床组织样本的分析提供了新的思路。
卸甲而行，最有态度、最有深度、最具广角的甲状腺癌专题
