机器学习辅助分析临床生物标志物提升卵巢癌诊断 | 美国亚利桑那大学Kenry教授团队Precis. Chem.

本研究通过机器学习分析309例卵巢肿瘤患者的临床数据，旨在识别关键生物标志物并评估监督学习算法的分类效能，以提升卵巢癌早期诊断的准确性与可靠性。研究背景指出卵巢癌是致死率最高的妇科恶性肿瘤之一，当前临床诊断方法存在显著局限。研究结果显示HE4、CA125、绝经状态和年龄是区分良恶性肿瘤的关键指标，随机森林和逻辑回归表现最佳，测试集准确率达90.3%。然而，研究受限于单中心小样本数据，部分算法存在假阴性风险，未来需进一步优化模型以减少漏诊风险。