近日，西湖大学附属杭州市第一人民医院罗定存团队与西湖大学郭天南团队、青岛大学烟台毓璜顶医院郑海涛团队，在国际外科学权威期刊《International Journal of Surgery》发表了最新文章，显示研究团队开展多维度机器学习，辅助甲状腺乳头状癌风险分层研究取得突破性进展。团队构建的甲状腺乳头状癌术前风险评估分类器，在术前能够良好区分低危和中高危患者。

　　去年底，阿里达摩院通过AI研究，首次实现大规模胰腺癌早筛，目前，达摩院AI多癌筛查公益项目已落地丽水，通过AI辅助当地医生提高多种癌症的筛查准确率和效率。

　　AI技术在临床医学上的应用正在提速，这让生物医疗领域的未来有了更多想象空间，也让从前不可及的前沿医学成果快速实现转化，让普通百姓受益。

　　“罗医生，这个手术我要不要做？”同样的问题，从医30多年的罗定存教授已经记不清回答了多少遍。

　　擅长甲状腺肿瘤外科手术治疗的罗定存，习惯用细长的11号尖刀片作为手术刀，行云流水的“刀法”让手术整个切除过程几乎不出血，每年，他要完成上千台甲状腺肿瘤切除术。正是临床上丰富的经验，让他开始思考一个问题：作为目前发病率增长最快的恶性肿瘤，同是甲状腺乳头状癌（PTC），有的容易转移，有的进展很慢，有没有比“一刀切”更科学的方法，在术前就准确甄别PTC患者的不同风险？

　　“甲状腺周围有很多神经、血管及甲状旁腺等重要组织，手术会给患者带来创伤，也可能出现一些并发症。”罗定存特别提到了老年患者，“老年人本身基础疾病就多，手术风险比年轻人要大很多。”在他看来，如果能术前判断出癌症的风险度，临床医生以此采取保守、积极或者激进措施治疗不同风险度的患者，可避免过度治疗或治疗不足，“对每位患者来说，需要的是个性化精准治疗；对社会来说，需要的是医疗资源的合理应用”。

　　术前甄别甲状腺乳头状癌的风险度难不难？罗定存教授介绍，在团队进行这项研究前，医生们还是按照传统诊疗流程，通过采集病史，进行CT和超声等影像检查，结合临床经验做判断，但即便是高级医生，准确率也只有60%左右。

　　于是，罗定存教授团队联合郭天南教授和郑海涛教授团队，利用蛋白质、基因、免疫和临床四维度信息，让AI与医疗大数据融合，迸出火花。

　　研究团队收集了包括发现集、回顾性验证集和前瞻性验证集在内的558例临床样本，对样本进行蛋白质组学测定，建立不同风险甲状腺乳头状癌的蛋白质图谱，采用机器学习成功构建了甲状腺乳头状癌术前风险评估分类器(PRAC-PTC)，结果显示，在PRAC-PTC辅助下，高年资临床医生评估PTC风险程度的准确率达到84%。

　　“目前，我们还在不断完善提高效能，希望不久的将来能投入临床。”除了准确度，罗定存还有个“小目标”，通过不断研发，让此类肿瘤风险评估分类器不仅实时高效，而且便捷实惠；同时给其他类型的癌症分层诊断提供一种新思路。

　　在这项研究中，除了大量临床数据，蛋白质组学研究功不可没。

　　虽然蛋白质组学研究并非新鲜概念，但随着AI技术的突破，相关应用开发正在快速发酵。它被越来越多的人视为开启精准医疗的“钥匙”。

　　研究团队成员、杭州市第一人民医院肿瘤外科李远慧博士介绍，在甲状腺乳头状癌四维度信息中，每例样本需纳入5790个变量，“一例样本就有这么多变量，558例样本，这个算力不是人肉能完成的。”

　　“AI模型就像个盒子，海量数据被它根据模型计算归类，最终提取到我们想要的有效数据。”不过实际操作起来，这个过程并不轻松，李远慧说期间团队不停地进行模型调整、优化，光调整模型参数就花了好几个月。

　　事实上，如果没有AI技术，人类的理解力也不可能弄清如此多的蛋白质动态，因为它实在太复杂了。

　　对此，郭天南教授曾做过这样的解释：“蛋白质无时无刻不在发生变化，一场感冒都会改变很多细胞、蛋白质。而精准医学就是根据病人当前的情况，给他提供最合适的诊断和治疗方法。”

　　郭天南表示，有了蛋白质组学+AI，精准医学将会提高到另一个层面。

　　事实上，在2022年，郭天南团队就通过人工智能的方式对甲状腺结节蛋白质组学进行分析，建立了用于诊断结节良恶性的神经网络模型，准确率达到90%以上。

　　生物医学进入“大数据时代”，而人工智能和大数据有着不可分割的联系，人工智能在生物医学中的应用是必然的大趋势，已成为业界共识。可以预见的是，不断提速的人工智能应用，还将鼓励生物学家、医生、计算机科学家和数据科学家之间更紧密的合作，从而推动跨学科研究的发展。