血常规、尿检等指标就能识别卵巢癌！中山大学刘继红团队牵头，四大医学院联合构建 AI 融合模型
💡
原文中文，约3400字，阅读约需9分钟。
📝
内容提要
根据《卵巢癌诊疗指南（2022 版）》，卵巢癌在我国女性生殖系统肿瘤中居第三位，病死率最高。研究团队构建了卵巢癌诊断人工智能融合模型MCF，通过常规实验室检验数据和年龄计算卵巢癌的患病风险。该模型准确率优于传统生物标志物。研究结果显示MCF模型对卵巢癌的早期诊断具有较好的预测能力。这一研究为基层医疗机构提供了重要助力，推动人工智能辅助诊断在乡村医疗卫生机构的应用。
🎯
关键要点
- 卵巢癌在我国女性生殖系统肿瘤中居第三位，病死率最高。
- 卵巢癌的早期诊断具有重大意义，因早期常无特异症状，70%患者就诊时已处于晚期。
- 研究团队构建了卵巢癌诊断人工智能融合模型MCF，通过常规实验室检验数据和年龄计算卵巢癌的患病风险。
- MCF模型的准确率优于传统生物标志物CA125和HE4。
- 研究收集了3家医院的1万名患者数据，使用多标准决策的分类融合框架开发模型。
- MCF模型在内部验证集和外部验证集上的AUC分别达0.949、0.882和0.884，性能显著高于传统方法。
- 研究发现，除了肿瘤标志物，其他常规实验室检验对卵巢癌诊断预测也有贡献。
- 人工智能的应用为基层医疗提供新思路，MCF模型已开源，便于基层医疗机构使用。
- 人工智能辅助诊断在基层卫生机构的配置至关重要，有助于提高诊疗水平，降低漏诊和误诊概率。
➡️
