探索基于特征代谢物和机器学习分辨良恶性甲状腺结节的方法  

作　　者：底锦熙[1] 陈振贺 李晓东 李洁[1] 钟定荣 曹磊 

机构地区：[1]中日友好医院病理科,北京100029 [2]岛津企业管理中国有限公司中国创新中心,北京100020

出　　处：《中日友好医院学报》2022年第2期95-97,F0004,共4页Journal of China-Japan Friendship Hospital

摘　　要：目的:探索基于特征代谢物和机器学习分辨良恶性甲状腺结节的方法。方法:采集甲状腺细针穿刺样本制片过程产生的废液0.4ml,加入1ml含0.35%甲酸的乙醇水溶液稀释,直接采用探针电喷雾离子源(PESI)串接质谱分析特征代谢物的离子强度。据细胞病理诊断,采用偏最小二乘判别分析法,对甲状腺乳头状癌(PTC)和良性病变样本共218例进行分组,采用支持向量机(SVM)建立分类器,单盲法验证分类器。未知71例样本平行测定2次,输出高评分的分类结果。通过与细胞病理学诊断、基因检测结果和超声诊断进行比较,计算准确率。结果:偏最小二乘判别分析法区分PTC和良性病变样本的准确率为60.6%、60.0%和56.9%(分别与细胞病理学诊断、BRAF基因检测结果和超声诊断比对)。结论:偏最小二乘判别分析法能够快速判定甲状腺结节良恶性,但准确率有待提升。

关 键 词：特征代谢物 探针电喷雾质谱 甲状腺乳头状癌 机器学习 快速诊断 

分 类 号：R736.1[医药卫生—肿瘤]