 |
廣州2021年12月7日 /美通社/ -- 12月1日，基準醫療與南開大學聯合共建的醫學數據研究中心提交的重量級學術論文《Noninvasive Lung Cancer Early Detection via Deep Methylation Representation Learning》被人工智能促進協會AAAI（Association for the Advancement of Artificial Intelligence）下屬的全球人工智能頂級學術會議，第36屆AAAI'22（會議時間：2022年2月22日-3月1日，溫哥華）收錄。本次會議共收到9251篇投稿，創下AAAI投稿量的歷史紀錄；最終接收1349篇論文，錄取率為15.0%，創歷史新低。
基準醫療基于AI深度學習（Deep Learning）的DeepMeth甲基化數據處理模型是全球首個基于深度學習的通過連續向量表示甲基化區域的算法，也是基準醫療肺癌早檢產品PulmoSeekTM Plus的核心算法基礎。此次基準醫療DeepMeth研究工作能從近萬份研究論文中脫穎而出，是世界AI學術界對基準醫療在腫瘤早診早篩領域的工作的高度認可，也是精準醫療及AI+癌癥交叉學科領域的一個令人振奮的消息，再加上早前PulmoSeekTM肺癌早檢甲基化液體活檢模型已在國際重要學術期刊《The Journal of Clinical Investigation》發表，多項國際學術權威機構的認可奠定了基準醫療在全球肺癌早檢領域當之無愧的技術領先地位。
請參照下文對這項算法的解讀：
突圍之路，破局ctDNA甲基化早檢臨床應用瓶頸
血漿樣本中低豐度的循環腫瘤DNA（ctDNA）一直是癌癥早檢的難點。南開大學計算機學院與基準醫療的醫學數據研究中心聯合攻關，歷經數年，首次利用深度學習連續向量表示甲基化區域的算法，強化了甲基化區域的整體性和連續性，成功開發了“深度甲基化表示學習進行無創肺癌早期檢測的DeepMeth”核心技術，一舉突破這個重大的學術和產業難關。
精準錨定，探秘CpG 位點的豐富遺傳學信息
不同于現有指標通常僅表示每個區域甲基化位點的頻率、忽略甲基化CpG位點的定位和甲基化模式，而這些正是癌癥檢測的預測特征；DeepMeth獨立看待每個甲基化區域并開發出自動編碼器來學習隱藏在區域布局中的豐富信息（例如，甲基化 CpG 位點的位置和共甲基化區域）。這是世界上首次用連續向量表示甲基化區域的深度學習模型研究，可以很大程度上避免甲基化檢測的維度災難。
深度驗證，普及肺癌早檢臨床應用
DeepMeth算法模型已在全國14家醫院多中心臨床數據集上評估了檢測性能：與基線相比，DeepMeth實現了顯著的AUC提升；并可與傳統的臨床檢查指標相結合，提高整體檢測的準確度。自2020年4月以來，全國已有94家醫院使用了基于DeepMeth模型的PulmoSeekTM Plus產品（用于早期肺癌檢測）。
基準醫療始終堅持從“衛生經濟學的角度”出發，本著“以患者利益為本”的初心，在技術上精耕不輟、厚積薄發，不斷優化產品性能，提高性價比，將癌癥早期診斷整體解決方案落到實處，最終惠及更多有需要的普通人群。
