对话南方医科大学甄鑫：融合实验室检验指标，实现“低成本、高准确率”卵巢癌诊断

在女性面临的癌症威胁中，卵巢癌以其隐匿的起病方式和缺乏典型临床表现的特性，悄然成为女性健康的重大隐忧。大多数患者在确诊时，已不幸步入中晚期，预后情况不容乐观，其高死亡率更是稳居妇科生殖系统恶性肿瘤之首。

因此，早期筛查也成为了守护女性健康的重要防线：医生通过捕捉到癌前病变的蛛丝马迹，及时发现早期卵巢癌患者，迅速启动干预或治疗策略。

然而，南方医科大学生物医学工程学院甄鑫教授却向橙果局透露，当前临床上广泛采用的卵巢癌标志物——糖类抗原125（CA125）与人附睾蛋白4（HE4），其敏感性与特异性均存在局限性，难以满足精准诊断的迫切需求。

“无论是站在学术研究的深度剖析，还是直面临床实践的迫切呼唤，我们都希望突破现有瓶颈，探索并确立新的卵巢癌标志物或诊断方法。”基于此，甄鑫教授联合医生团队研发了一种低成本、易获取且具备高准确率的人工智能辅助诊断工具，助力卵巢癌的精准防控与早期诊断。

两年多前，中山大学肿瘤防治中心的刘继红教授、华中科技大学同济医学院附属同济医院的高庆蕾教授，以及浙江大学医学院附属妇产科医院的李晓教授与甄鑫教授团队经过深入讨论和文献学习，确定了医工多学科交叉的科研合作方式，逐步开展针对卵巢癌诊断的人工智能辅助模型构建的研究工作。

甄鑫表示，该人工智能诊断模型的特别之处在于融合了实验室检验指标。所谓实验室检验指标，即是诸如血常规、生化检查、凝血分析及尿液检测等常规检验项目，它们不仅是临床诊疗的基石，也是日常体检不可或缺的一环。

“实验室检验指标目前已经在临床上实现标准化，成本相对较低，且广泛普及于各类体检项目及各级医疗机构之中。”甄鑫解释道，“若能将它们作为卵巢癌的筛查标志物，无疑将极大地推动该疾病的早期发现，尤其在基层医疗机构和日常体检中，对于提升卵巢癌的诊断水平、强化二级预防策略以及改善患者预后，都具有不可估量的价值。”

为此，甄鑫团队首先收集了来自中山大学肿瘤防治中心、华中科技大学同济医学院附属同济医院、浙江大学医学院附属妇产科医院三家医院超一万例数据，该组数据涵盖卵巢癌、子宫附件良性病变及正常体检患者，涵盖98项实验室检查结果及临床特征。而后团队又结合人工智能技术，打造出卵巢癌预测模型——MCF模型，该模型最终筛选了51项实验室检验指标与年龄因素作为核心变量。

甄鑫在接受采访时表示，模型的构建过程是一场严谨的数据清洗、特征筛选与性能评估之旅，最终确定的51项检验指标，覆盖了血常规、生化检查、粪便及尿液检查等多个检验指标信息，再融入年龄因素后形成了全方位、多维度的预测体系。团队又通过内部验证与外部独立验证的双重考验，证明了MCF模型不仅在内部数据集上表现出色（AUC值约0.949），在外部验证中也同样稳健，证明了其卓越的泛化能力与应用前景。

值得一提的是，MCF模型在识别卵巢癌患者，特别是早期患者方面，其AUC值与灵敏度均显著优于传统标志物CA125、HE4及其联合检测，“即便在CA125等肿瘤标志物信息缺失的情况下，MCF模型仍能依托剩余的常规检验项目与年龄信息，对卵巢癌风险进行准确预判。”甄鑫说道。

对于医生和患者来说，这是一个更综合、更简便的诊疗平台。

一方面，实现了对常规实验室检验指标的综合利用。传统方法往往仅依赖于少数几个指标进行建模，而该模型则全面整合了所有收集到的实验指标，通过综合分析和利用，取长补短，提高了预测结果的准确性。

另一方面，该模型具有很强的适应性和应用性。它能够处理各种复杂的临床数据，包括那些因患者未完成全部检查而缺失的数据。“即使面对这样的不完美数据，模型仍然能够给出较准确的预测结果。这种对真实世界临床数据的良好适应性，使得模型在实际应用中具有很高的价值。”甄鑫表示。

但在研发过程中，甄鑫团队也面临了一些难点和挑战。首先，临床数据的复杂性和多样性给模型的构建带来了很大的困难。甄鑫说道：“真实世界的数据往往存在缺陷和缺失，这要求我们在建模过程中进行精细的数据预处理和特征选择，以确保模型的准确性和稳定性。”

其次，多中心数据的差异也是他们需要克服的难点之一。不同医院之间的数据可能存在差异，包括数据质量、数据分布等方面。这使得在一个医院上构建的模型难以直接应用于其他医院。此外，模型的可解释性和透明度也是团队需要关注的重要方面。

针对以上难点和挑战，甄鑫团队采取了多种措施和方法进行应对。例如，在数据预处理阶段，他们采用了多种技术来清洗和整理数据；在模型构建阶段，他们采用了先进的机器学习算法和特征选择技术来提高模型的准确性和稳定性；在模型验证阶段，他们进行了多轮次的内部和外部验证以确保模型的泛化能力......

随着项目的深入，甄鑫团队还计划进一步增加平台功能，针对卵巢癌的治疗方案选择和预后评估给临床医生提供参考。“我们想提供一套全面而细致的解决方案，覆盖从早筛到治疗乃至预后的每一个关键环节。在治疗阶段，我们关注如何精准预测患者的治疗反应，比如对抗药性的提前预判，以及对治疗可能引发的并发症或不良反应的预测。此外，我们还将目光投向治疗后的复发风险评估，为每一位患者量身打造个性化的预警与应对策略。”甄鑫说道。

2023年6月，甄鑫在一次沙龙活动上认识了尚骏投资合伙人陈奕群。那时，团队的科研项目已近尾声，正准备向期刊投稿，而初步的成果也让甄鑫萌生了将其产业化的念头。

而从产业界的角度来看，陈奕群告诉橙果局，AI辅助诊断的概念正逐渐升温，早筛早诊非常重要在医疗界早已是共识。然而，如何降低成本、提高诊断效率，避免医疗资源的过度集中和浪费，推动技术的广泛普及，是技术团队面临的重要课题。而甄鑫教授研发的低成本、易获取且准确率高的辅助诊断工具，正是临床所需要的。

于是，2023年10月，在尚骏投资的帮助下，甄鑫成立了秉爱科医疗，进一步推进产品注册与产业化。

选择与尚骏投资合作，甄鑫给出了两个原因：一个是成果转化离不开各个环节的紧密配合，尚骏投资是一家专注于医工交叉结合的机构，这与团队需求高度契合；另一个是在地理位置上的便利，为双方团队的交流与合作提供了极大的方便。“每当遇到问题时，我们都能迅速得到专业的指导和建议。”甄鑫说道。

从教授转型创业者，甄鑫也深知学术范式与商业模式之间的巨大差异。“在我看来，专注于成果转化的企业要想走得更长更远，必须遵循其独特的底层逻辑。学术思维注重深度与广度，而商业思维则更强调效率与市场效益。我虽以科研为主，但也意识到在商业领域，专业的人做专业的事才是正道。”因此，甄鑫认为，他主要精力应该集中在科研上，确保项目的技术扎实可靠，而商业运营则交给更专业的团队去处理。