两位来自伦敦玛丽皇后大学和牛津大学的研究者开发了两种新的预测算法，能够利用个人健康数据和常规血检结果，准确预测患者当前是否有尚未确诊的癌症。这项研究发表在《自然通讯》杂志上，标志着癌症早期诊断领域的重大突破。新算法基于英格兰超过740万成年人的匿名电子健康记录，相比现有的QCancer算法，提高了预测的敏感性和准确性。 这些算法不仅考虑了年龄、家族病史、医疗诊断、症状和总体健康状况，还结合了七个常规血检指标，作为生物标志物来辅助判断。具体来说，新模型识别出了四种与15种不同癌症相关的新增医疗条件，涉及肝脏、肾脏及胰腺癌等。此外，新的风险因素还包括家族病史中新发现的两项与肺癌、血液癌有关的关联，以及七种新症状（如瘙痒、皮下瘀伤、腰背痛、声音嘶哑、腹胀气、腹部肿块、尿色深）与多种癌症类型的关系。 研究表明，这些新算法在诊断能力上有显著提升，特别是在早期诊断肝癌方面，目前尚无其他算法能够达到这一水平。新工具旨在嵌入临床系统，在日常全科医生咨询中使用，这不仅提高了癌症的早期检测率，还有助于提高治疗效果。通过利用已有的血检结果，这种方法的成本效益高，能够帮助英国 NHS 满足其到 2028 年改善早期癌症诊断的既定目标。 领导该研究的伦敦玛丽皇后大学临床流行病学和预测医学教授朱莉娅·希波斯利-考克斯表示：“这些算法设计为嵌入临床系统，能够在例行全科医生咨询中使用。它们比现有模型有显著改进，识别癌症的准确性更高，尤其是在早期、更可治疗的阶段。”她强调，这一方法不仅成本效益高，还能帮助 NHS 完成改善早期癌症诊断的使命。 同为研究作者的伦敦玛丽皇后大学资深研究员、诺丁汉大学初级保健医学统计学名誉教授卡罗尔·库普兰博士指出：“这些新算法能够根据症状、血检结果、生活方式因素及其他医疗记录信息，更好地识别18岁以上人群患15种不同类型癌症的风险，尤其适用于一些罕见类型的癌症。” 业内专家认为，这些新算法的应用前景广阔，能够显著提高癌症的早期诊断率，从而改善患者的治疗结局。这项研究进一步证明了大数据和人工智能在医疗领域的巨大潜力。伦敦玛丽皇后大学和牛津大学在医疗算法研究领域有着丰富经验，此次合作再次展现了他们在推动医疗技术创新方面的领先地位。