BioMark Diagnostics 利用 AI 图神经网络实现早期肺癌检测重大突破

位于不列颠哥伦比亚省的生物技术公司BioMark Diagnostics宣布，在其开发的早期癌症检测液体活检测试方面取得了重要突破。该公司与哈里斯堡大学、圣博纳iface医院研究中心及阿斯珀临床研究中心合作，共同推出了一款基于新型图神经网络（Graph Neural Networks，GNNs）的创新模型M-GNN（Metabolomics-Graph Neural Network），并将其研究成果发表在国际分子科学杂志关于“机器学习在生物信息学和医学中的应用”特刊上。 肺癌作为一种致死率极高的恶性肿瘤，早期发现对于提高患者生存率至关重要。然而，当前大多数的肺癌筛查方法存在较高的假阳性率和较低的检测准确性。为解决这一问题，该团队引入了M-GNN框架，通过图神经网络技术结合代谢组学数据与已知代谢路径信息，旨在捕捉和解释肿瘤细胞内部及肿瘤微环境中的复杂生物活动模式。该框架不仅提高了诊断精度，还能够为其他类型的癌症（如乳腺癌和神经内分泌癌）提供更为精准的检测手段，展现了广泛的临床应用价值。 研究论文指出，M-GNN模型能够在大规模且多样的实际患者样本中实现高度准确的早期肺癌识别。相较于传统的检测方法，这项新成果显著提高了肺癌检测的灵敏性和特异性，有望成为未来肺癌及其他相关癌症早期筛查的核心工具之一。BioMark的研发副总裁Jean-François Haince博士表示，随着图神经网络技术的发展，它已被证明在模拟关系数据方面非常有效，尤其是在解析复杂的生物学系统内部结构时。但此前很少有研究尝试将GNN应用于以代谢途径变化为基础的早期癌症检测领域。此次研究填补了这一空白，展示了AI在肿瘤代谢特征分析中的巨大潜力。 CEO Rashid Bux强调，这项发表的工作不仅突显了公司在AI增强诊断领域的领先地位，也为其平台注入了强大的动力。“我们的目标始终是提供更精确、更普及的早期癌症检测解决方案，以帮助尽可能多的人早期发现疾病。”他补充道，“我们相信，M-GNN模型的应用将会引领一系列变革性的进步，从初步检测到治疗效果评估，乃至新的治疗靶点探索，这些都将极大地扩展我们产品的能力范围。” 对于BioMark而言，这标志着其在精准医学道路上又迈出了坚实的一步。未来，公司计划继续扩大研究规模，进一步验证M-GNN模型在不同人群中的表现，并探讨将该技术整合到现有检测产品的可能性。此外，BioMark也准备拓展其技术应用范围，包括但不限于癌症复发追踪和其他潜在疾病领域的早期预警机制。 BioMark Diagnostics成立于加拿大温哥华，专注于运用代谢组学与机器学习技术开发早期癌症血液检测。公司产品和服务旨在简化诊断流程，降低成本，使更多人受益于高精度的早期筛查服务。其官网详细介绍了有关技术及其发展动态，感兴趣的读者可以通过上述链接访问原文及更多相关信息。 简言之，通过不断探索AI与代谢组学相结合的新方法，BioMark Diagnostics正逐步改变癌症早期检测的现状，朝着精准医疗的目标稳步前行。