划重点
01浙江大学附属第二医院眼科中心叶娟教授团队在期刊《npj Precision Oncology》上发表了一项关于AI诊断系统的研究论文。
02该研究利用基于质谱的蛋白质组学，分析了来自8种组织类型的蛋白质组数据，确定了18种新型生物标志物。
03通过独立队列验证，这18种蛋白质模型在多类分类中表现出较高的准确率(84.8%)、精确率(86.2%)和召回率(84.8%)。
04研究结果表明，该模型具有很强的预测能力，曲线下面积(AUC)值从0.80到1.00不等。
05该AI诊断系统的开发有望改善眼睑肿瘤的诊断和管理，减轻这种疾病带来的负担。
以上内容由腾讯混元大模型生成，仅供参考
【导读】眼睑肿瘤病理类型多样，活检材料有限，给诊断带来了挑战。这项研究旨在开发一种人工智能（AI）诊断系统，对眼睑肿瘤进行准确分类。
2024年12月23日，浙江大学附属第二医院眼科中心叶娟教授团队在期刊《npj Precision Oncology》上发表了题为“AI-driven eyelid tumor classification in ocular oncology using proteomic data”的研究论文。利用基于质谱的蛋白质组学，团队分析了来自8种组织类型的蛋白质组数据，并根据来自150名患者的233份样本，确定了18种新型生物标志物。这18种蛋白质模型经独立队列（来自60名患者的99份样本）验证，在多类分类中表现出较高的准确率（84.8%）、精确率（86.2%）和召回率（84.8%）。研究结果表明，该模型具有很强的预测能力，曲线下面积（AUC）值从0.80到1.00不等。
https://www.nature.com/articles/s41698-024-00767-8
人工智能与眼睑肿瘤诊断
01
近年来，临床蛋白质组学在疾病的诊断和治疗中发挥着重要作用。将人工智能算法与蛋白质组的数据相结合，有助于提高疾病诊断的准确性和效率，因此，在开发眼睑肿瘤的精确诊断工具方面大有可为。
这项研究旨在建立眼睑肿瘤人工智能诊断系统，以提高疾病诊断的准确性和效率。该模型能够准确地对眼睑肿瘤进行分类，并将它们与正常组织区分开来。这一人工智能诊断系统的开发有望改善眼睑肿瘤的诊断和管理，减轻这种疾病带来的负担。
常见眼睑肿瘤的综合蛋白质组分析
02
在BCC-SCC-SGC-MM组中，核苷酸代谢和凝血过程的研究较多。核苷酸代谢与化疗反应差有关，而凝血过程也被证明会被肿瘤细胞劫持以促进肿瘤生长。在N-PN-MM组中，PN-MM样本显示出更多参与白细胞迁移的蛋白质，这与PN-MM肿瘤较好的预后和治疗反应相一致。在N-BCP-BCC对比组中，N样本中有更多参与I型干扰素的蛋白质，这表明当肿瘤转化为恶性时，干扰素的产生会减少。而在N-SCP-SCC组中，N样本显示了更多参与ECM重塑的蛋白质，SCP-SCC样本显示了更多参与髓系细胞募集的蛋白质，这表明不同的眼睑肿瘤可能依赖于不同的免疫逃逸机制。
团队提出的系统框架，以及在各项分类任务中的相应性能。
人工智能预测模型的性能
03
从18种蛋白质模型在7类分类任务中的性能指标来看，总体准确率为84.8%，精确率为86.2%，召回率为84.8%，F-分数为84.3%。按N、BCP-SCP、PN、MM、BCC、SCC和SGC这7个类别细分，每个类别的准确率分别为100%、96%、100%、80%、77%、70%和60%。这表明18种蛋白质模型能够成功确定不同病变类型之间的判定界限。此外，7个类别的曲线下面积（AUC）值分别为0.97、0.94、1.00、0.99、0.88、0.82、0.80、0.94和0.92。AUC值接近1，表明该模型对18种蛋白质模型有很强的预测能力。
18种标记蛋白质的特征。
总结
04
1. 模型性能验证：18种蛋白质模型在99个盲法样本上经过严格验证，表现出高准确度、精确度和召回率。
2. 克服传统病理局限：AI系统克服了传统病理方法的局限性，如依赖形态学和有限的活检材料。
3. 模型鉴别力：UMAP图中的明显聚类和ROC分析显示的强预测能力，凸显了模型的鉴别力。
4. 一致性与差异性：研究结果与其他使用蛋白质组数据和AI在肿瘤诊断中的研究一致，但也存在差异，如侧重于眼睑肿瘤和蛋白质组数据而非图像分析。
5. 伦理和监管问题：在临床实践中实施基于AI的诊断系统需要考虑伦理和监管问题，包括数据隐私、患者同意以及对医患关系的潜在影响。
6. DIA蛋白质组学的挑战：DIA数据的复杂性和高成本使其在常规临床应用中不完全可行，靶向MS技术可能更实用。
7. 精准医疗的重要性：研究强调了基于AI的诊断系统在推进眼睑肿瘤精准医疗方面的重要性，有望改善患者护理和预后。持续研究与合作将推动精准医疗的发展，并改变诊断和治疗眼部肿瘤的方式。
参考资料：
1.Shields J. A., Shields C. L. Eyelid, Conjunctival, and Orbital Tumors: an Atlas and Textbook (Lippincott Williams & Wilkins, 2008).
2.Wang, L. et al. Clinicopathological analysis of 5146 eyelid tumours and tumour-like lesions in an eye centre in South China, 2000–2018: a retrospective cohort study. BMJ open 11, e041854 (2021).
【关于投稿】
转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！
转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。