我们正在尝试通过人工方式模拟哺乳动物的嗅觉。目前，我们已经开发出一种算法，能够利用电子鼻所采集的数据，区分卵巢癌、子宫内膜癌以及健康对照组之间的差异，”林雪平大学的副教授多娜泰拉·普格利西（Donatella Puglisi）表示。
在卵巢癌的早期阶段，其症状往往较为模糊，且与一些更常见的疾病相似。正因如此，这种癌症通常在晚期才被发现，而此时的生存率相对较低。
一位身穿黑色夹克的女性正在实验室中工作。摄影：奥洛夫·普兰塔哈伯（Olof Planthaber）
早期发现有助于提高及时接受医疗干预的可能性。2022年，全球新增卵巢癌病例约32.5万例，死亡人数超过20万。此外，世界癌症研究基金会预测，到2050年，这些数字还将显著上升。
“越来越多的人，尤其是年轻人，被诊断出患有癌症，这一趋势令人担忧。如果我们能够开发出成本更低、适用更广的筛查方法，将有助于推动早期诊断的实现。我们的技术有望推动新的筛查策略和诊断方式的发展，从而提高患者的生存率、改善生活质量，并整体提升临床治疗效果。”多娜泰拉·普格利西说道。
人工智能开启新路径
电子鼻技术问世已有大约六十年。研究人员使用的原型设备配备了32个传感器，可以感知样本中释放出的各种挥发性物质。不同类型的癌症会释放出不同的挥发性化合物，因此每种癌症具有其独特的“气味”。
一个人手中托着一个微小的黄色元件。摄影：奥洛夫·普兰塔哈伯
图为电子鼻中的一个传感器，这是32个传感器中的一个。
这些传感器本身相对简单，且均为市面上可以买到的普通型号。但近年来，随着机器学习与人工智能技术的飞速发展，使得我们能够以一种全新的方式运用这些成熟技术。
当前用于癌症筛查的血液检测方法，主要依赖于寻找针对特定癌症类型的生物标志物。然而，这类检测通常分析速度较慢，且准确性不够理想。
“与乳腺癌不同，目前尚无可靠的筛查方法用于卵巢癌。现有的检测大多依赖于单一生物标志物，缺乏在疾病早期阶段识别癌症所需的灵敏度。相比之下，我们的方法不仅在准确性上具备优势，在早期发现疾病方面也展现出巨大潜力。”林雪平大学副教授、同时也是VOC Diagnostics AB公司首席技术官的延斯·埃里克森（Jens Eriksson）表示。该公司目前正在研发相关电子鼻技术。
研究人员所开发的方法并不依赖于识别特定的生物标志物，而是通过电子鼻检测血液血浆样本中释放出的多种挥发性物质。随后，利用先进的机器学习模型对这些数据进行分析，从中识别出特定的挥发性模式——例如，本次研究中用于识别卵巢癌的模式。这些模型已在生物样本库中的已知样本上进行了训练。该工具目前的诊断准确率高达97%。
一位男性正在实验室中操作仪器。摄影：奥洛夫·普兰塔哈伯
“这项测试操作简便，仅需10分钟即可获得明确的分析结果。我们的方法可以低成本地对大规模人群进行筛查，且准确度远超目前市场上的其他方案。虽然目前这项研究还属于试点阶段，但我们期望它能在三年内应用于实际的癌症筛查流程中。目前我们聚焦于癌症检测，但其潜在应用领域非常广泛。”延斯·埃里克森补充道。
这项研究主要由瑞典创新局（Vinnova）、瑞典研究理事会（Formas）、瑞典能源署以及瑞典研究委员会（Vetenskapsrådet）资助。数据处理与计算工作则依托瑞典国家超级计算学术基础设施（NAISS）完成。
