根据一项新的研究，一种新的人工智能（AI）模型仅使用组织样本的DNA数据就能够检测出13种不同类型的癌症，准确率为98.2%。人工智能模型被称为EMethNET，由英国剑桥大学的研究人员开发，可能会加速癌症的早期检测、诊断和治疗。

上周发表在《生物学方法与协议》上的研究结果集中于DNA甲基化，这是一种在包括癌症细胞在内的细胞开始生长早期发生的化学过程。研究人员训练了机器学习模型来发现癌症的早期结构和途径。

研究指出：“癌症由200多种不同的疾病组成，仍然是全球发病率和死亡率的主要原因。”。转移性癌症通常在疾病晚期发现，占癌症相关死亡的90%。

“因此，早期发现癌症并结合现有的治疗方法将对各种癌症类型的生存和治疗产生重大影响，”报告继续说道。

研究人员根据癌症基因组图谱中6000多个组织样本的数据对EMethNET进行了训练，这些样本代表了包括乳腺癌、肺癌和结直肠癌在内的13种癌症类型。然后，他们在来自独立数据集的900多个样本上进行了测试。

在对13种癌症类型和非癌症样本进行分类时，顶级发现的准确率超过98%。该研究还强调了一个事实，即该方法在来自不同国家的不同数据集中表现良好。研究人员还能够识别出3388个与癌症相关基因和途径相关的甲基化位点。

根据这项研究，人工智能模型结合了两种人工智能方法：选择相关特征的XGBoost和用于分类的深度神经网络。这不仅可以准确检测癌症，还可以深入了解身体对将正常细胞突变为癌症细胞的非遗传因素的调节。

研究指出：“这些表观遗传学修饰是与癌症发生相关的最早的肿瘤事件之一。”这增强了这种方法在癌症早期检测中的潜力。

虽然这项初步研究很有希望，但作者警告说，该技术在临床使用前需要进一步研究和测试。该研究小组表示，目前正在努力将该模型应用于液体组织样本，这可能为癌症的无创早期筛查提供依据。

报告断言：“根据训练数据的可用性，这种方法可以扩展到检测数百种癌症类型。”。

随着人工智能在医疗保健领域的不断进步，EMethylNET代表着利用机器学习进行早期、更准确的癌症诊断的有力一步。这种创新可能对公共卫生产生深远影响。

根据国际癌症研究机构的最新估计，每年诊断出超过1900万例癌症新病例，1000万人死于癌症。

首席研究员没有回应Decrypt的置评请求。

由Ryan Ozawa编辑。