记者14日从西湖大学了解到，该校研讨团队将人工智能技术用于近千例甲状腺结节患者的蛋白质组大数据，发现了帮助区别甲状腺结节良恶性的蛋白质分子符号物的组合。该符号物系列将有望大幅进步甲状腺结节良恶性判别的准确度。
　　研讨人员介绍，甲状腺结节，即甲状腺肿瘤，可由多种要素引起，在当代人群中较为高发。与大都结节相同，甲状腺结节也有良性与恶性的差异。良性的甲状腺结节对日常工作日子不会有影响，恶性的甲状腺结节则需要尽早治疗。然而，临床实践中，大约有30%的甲状腺结节，缺少卓有成效的良性、恶性判别办法。辽宁抚顺市墙体广告发布
　　为处理这一难题，西湖大学生命科学学院郭天南试验室与工学院李子青试验室联手，并同国内外多个临床团队进行了协作。
　　在本次研讨中，试验团队剖析了911个甲状腺结节携带者的组织样品，进行了根据数据非依靠的蛋白质组学剖析，生成了2421个蛋白质组学数据。辽宁抚顺市墙体广告发布
　　由于试验所触及的蛋白质组数据量巨大，同时部分甲状腺结节在分子水平上差别细小，研讨团队运用人工神经网络技术进行了筛选。他们找到能够区别良性与恶性结节的14个关键性的蛋白质组合，这些组合构成了能够判别良恶性的模型。辽宁抚顺市墙体广告发布
　　随后，研讨团队用该模型去猜测不知道良恶性的甲状腺结节，再与临床手术后的病理成果作比较。成果显现，在对来自中国的四家医院供给的288个甲状腺白腊样本及64个甲状腺结节穿刺样本的良恶性的判别上，该办法的准确率达到90%。辽宁抚顺市墙体广告发布
　　据了解，现在该办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。辽宁抚顺市墙体广告发布