记者5月14日从西湖大学了解到，该校研究团队将人工智能技术用于近千例甲状腺结节病人的蛋白质组大数据，发现了帮助区分甲状腺结节良恶性的蛋白质分子标记物的组合。该标记物系列将有望大幅提高甲状腺结节良恶性判断的准确度。

　　研究人员介绍，甲状腺结节，即甲状腺肿瘤，可由多种因素引起，在当代人群中较为高发。与多数结节一样，甲状腺结节也有良性与恶性的区别。良性的甲状腺结节对日常工作生活不会有影响，恶性的甲状腺结节则需要尽早医治。然而，临床实践中，大约有30%的甲状腺结节，缺少行之有效的良性、恶性判断方法。

　　为解决这一难题，西湖大学生命科学学院郭天南实验室与工学院李子青实验室联手，并同国内外多个临床团队进行了合作。

　　在本次研究中，实验团队分析了911个甲状腺结节携带者的组织样品，进行了基于数据非依赖的蛋白质组学分析，生成了2421个蛋白质组学数据。

　　由于实验所涉及的蛋白质组数据量庞大，同时部分甲状腺结节在分子水平上差别微小，研究团队使用人工神经网络技术进行了筛选。他们找到能够区分良性与恶性结节的14个关键性的蛋白质组合，这些组合构成了可以判断良恶性的模型。

　　随后，研究团队用该模型去预测未知良恶性的甲状腺结节，再与临床手术后的病理结果作比较。结果显示，在对来自中国的四家医院提供的288个甲状腺石蜡样本及64个甲状腺结节穿刺样本的良恶性的判断上，该方法的准确率达到90%。

　　据了解，目前该方法正在更多的临床中心进行测试，以进一步优化人工智能模型，并已在申请专利。