 |
广州2021年12月7日 /美通社/ -- 12月1日，基准医疗与南开大学联合共建的医学数据研究中心提交的重量级学术论文《Noninvasive Lung Cancer Early Detection via Deep Methylation Representation Learning》被人工智能促进协会AAAI（Association for the Advancement of Artificial Intelligence）下属的全球人工智能顶级学术会议，第36届AAAI'22（会议时间：2022年2月22日-3月1日，温哥华）收录。本次会议共收到9251篇投稿，创下AAAI投稿量的历史纪录；最终接收1349篇论文，录取率为15.0%，创历史新低。
基准医疗基于AI深度学习（Deep Learning）的DeepMeth甲基化数据处理模型是全球首个基于深度学习的通过连续向量表示甲基化区域的算法，也是基准医疗肺癌早检产品PulmoSeekTM Plus的核心算法基础。此次基准医疗DeepMeth研究工作能从近万份研究论文中脱颖而出，是世界AI学术界对基准医疗在肿瘤早诊早筛领域的工作的高度认可，也是精准医疗及AI+癌症交叉学科领域的一个令人振奋的消息，再加上早前PulmoSeekTM肺癌早检甲基化液体活检模型已在国际重要学术期刊《The Journal of Clinical Investigation》发表，多项国际学术权威机构的认可奠定了基准医疗在全球肺癌早检领域当之无愧的技术领先地位。
请参照下文对这项算法的解读：
突围之路，破局ctDNA甲基化早检临床应用瓶颈
血浆样本中低丰度的循环肿瘤DNA（ctDNA）一直是癌症早检的难点。南开大学计算机学院与基准医疗的医学数据研究中心联合攻关，历经数年，首次利用深度学习连续向量表示甲基化区域的算法，强化了甲基化区域的整体性和连续性，成功开发了“深度甲基化表示学习进行无创肺癌早期检测的DeepMeth”核心技术，一举突破这个重大的学术和产业难关。
精准锚定，探秘CpG 位点的丰富遗传学信息
不同于现有指标通常仅表示每个区域甲基化位点的频率、忽略甲基化CpG位点的定位和甲基化模式，而这些正是癌症检测的预测特征；DeepMeth独立看待每个甲基化区域并开发出自动编码器来学习隐藏在区域布局中的丰富信息（例如，甲基化 CpG 位点的位置和共甲基化区域）。这是世界上首次用连续向量表示甲基化区域的深度学习模型研究，可以很大程度上避免甲基化检测的维度灾难。
深度验证，普及肺癌早检临床应用
DeepMeth算法模型已在全国14家医院多中心临床数据集上评估了检测性能：与基线相比，DeepMeth实现了显著的AUC提升；并可与传统的临床检查指标相结合，提高整体检测的准确度。自2020年4月以来，全国已有94家医院使用了基于DeepMeth模型的PulmoSeekTM Plus产品（用于早期肺癌检测）。
基准医疗始终坚持从“卫生经济学的角度”出发，本着“以患者利益为本”的初心，在技术上精耕不辍、厚积薄发，不断优化产品性能，提高性价比，将癌症早期诊断整体解决方案落到实处，最终惠及更多有需要的普通人群。
