编辑推荐：
胰腺癌（PDAC）致死率高，早期诊断困难。研究人员利用人工神经网络（ANN）分析血浆质子（1H）磁共振波谱（MRS）代谢物模式，训练的 ANN 在区分恶性与非恶性样本时，敏感性达 87.5%、特异性达 93.1% ，为胰腺癌筛查提供新方法。
在医学领域，癌症一直是威胁人类健康的重大难题，尤其是胰腺癌（Pancreatic Ductal Adenocarcinoma，PDAC）。它就像隐藏在身体里的 “沉默杀手”，早期症状不明显，等到发现时往往已经是晚期，治疗效果不佳，患者的生存率极低。目前，常规的癌症筛查方法在检测胰腺癌时存在诸多局限，难以做到既准确又便捷。比如，一些血液检测方法虽然在不断发展，但很难平衡高准确性和低成本这两个关键因素；而基于影像学的检查手段，对于早期胰腺癌的检测敏感度也不尽人意。所以，寻找一种高效、便捷且低成本的胰腺癌早期检测方法迫在眉睫。
在这样的背景下，来自美国约翰斯?霍普金斯大学医学院（The Johns Hopkins University School of Medicine）的研究人员展开了一项极具意义的研究。他们的研究成果发表在《Communications Medicine》杂志上，为胰腺癌的早期检测带来了新的曙光。
研究人员主要运用了两种关键技术方法。一是质子（1H）磁共振波谱（Magnetic Resonance Spectroscopy，MRS）技术，该技术可以对血浆样本中的代谢物进行检测和分析，获取代谢物的相关信息；二是人工神经网络（Artificial Neural Network，ANN）分析技术，利用这一技术对 MRS 获取的数据进行处理和分类。研究人员收集了大量人类血浆样本，包括正常样本、良性胰腺疾病样本和胰腺癌样本，这些样本成为研究的重要基础。
下面来看具体的研究结果：
- 1H MR 光谱：通过两种不同的 1H MRS 序列（CPMG 序列和 ZGPR 序列）获取血浆的质子光谱。ZGPR 1H MR 光谱保留了大分子的宽共振峰，而 CPMG 光谱由于短 T2滤波抑制了宽信号，基线更平坦。这表明不同序列获取的光谱具有不同特征，为后续分析提供了多样的数据基础。
- ANN 分类结果：ANN 分析结果显示，在训练集上，使用基于交叉验证的 ANN 分析，ZGPR 序列的双向分类结果中，敏感性和特异性均达到 100%；在盲测样本中，总体准确率达到 91.1%。ROC 曲线和 P - R 曲线也表明，ANN 分析在训练样本和盲测样本中，对恶性样本的分类都具有较高的敏感性和特异性。不过，盲测样本在正常和疾病分类方面的性能有所下降，经分析发现，这主要是由少数代谢物导致的误分类。
- 类概率结果：ANN 分类结果中的类概率百分比分数表明，该方法对不同种族和民族群体的样本可能具有一致的分类性能。并且，约 50% 的恶性样本在类概率≥87.5% 时能被正确预测，约 70% 的非恶性样本（正常和疾病样本合并）在类概率≥87.5% 时能被正确预测。这一结果提示，训练 ANN 识别 PDAC 的不同亚组可能有助于提高整体分类准确性。
- 可解释性结果：研究通过用正常样本光谱区域替换恶性样本光谱区域，确定了在分类中起重要作用的显著光谱区域。这些区域与脂质、葡萄糖、乳酸等多种代谢物相关，且 ZGPR 光谱和 CPMG 光谱的显著光谱区域存在差异，为 ANN 分类结果提供了临床角度的可解释性。
- 解决盲测样本的变异性：研究发现，盲测样本中部分参与者的高 BMI、糖尿病等因素影响了正常与疾病分类的准确性。通过识别导致误分类的光谱区域，并对这些区域的过度差异进行掩蔽，能纠正部分误分类的正常样本。这说明这些因素对分类准确性的影响可以通过针对性的方法进行调整。
- 早期与晚期 PDAC 在分类中的作用：研究发现，训练集中早期 PDAC 样本比例较低影响了 ANN 检测早期 PDAC 的准确性。通过用晚期样本替换早期样本重新训练 ANN，测试集中早期 PDAC 样本的分类准确性从 87.5% 提高到 100%。这表明早期样本应包含在未来的训练集中，以提高对早期 PDAC 的检测能力。
- ANN 分析处理时间：ANN 分析在不同计算条件下有不同的处理时间。如单周期交叉验证训练（n = 600 次运行）通常需要 9 小时（使用并行计算选项），生成分类图需要 13 - 18 小时（使用并行计算选项），对盲测样本的推理运行使用加速方法约 5 - 10 秒，不使用加速方法约 25 - 40 秒。这些时间数据为评估 ANN 分析的效率提供了参考。
研究结论和讨论部分具有重要意义。研究人员利用 ANN 分析 1H MR 血浆光谱，在检测 PDAC 方面取得了较高的敏感性和特异性，并且通过识别显著光谱区域，为分类结果提供了可解释性。虽然该方法存在一些局限性，比如在代谢物光谱重叠区域难以确定单个代谢物的贡献，且检测到的代谢物数量相对有限，但与质谱等方法相比，MRS 具有样本制备简单、可重复性强的优势。此外，该方法还具有扩展性，可应用于其他疾病的早期检测。未来，需要进一步扩大样本量，涵盖不同癌症类型和阶段，评估 ANN 在诊断早期癌症方面的能力，以及与其他早期检测方法联合使用的效果。同时，还需研究不同磁场强度、光谱采集参数等因素对该方法的影响，以提高其在不同中心的可重复性。总之，这项研究为癌症早期检测开辟了新的方向，有望在未来的临床实践中发挥重要作用，帮助更多患者实现癌症的早期发现和治疗，提高生存率。
