根据一项涉及来自数千个受试者的样本的研究，一个新的机器学习平台可以识别患有结肠直肠癌的患者，并有助于预测他们的疾病严重程度和存活率。

这种非侵入性方法增加了分析循环肿瘤DNA(ctDNA)的技术的最新进展，并且可以帮助在处于早期阶段的高风险患者中发现结直肠癌。像许多其他恶性肿瘤一样，如果在转移到其他组织之前被发现，则大肠癌最容易治愈。结肠镜检查是诊断的“黄金标准”，但它们不舒服且具有侵入性，并可能导致并发症，这使患者不太愿意接受筛查。

罗慧妍及其同事利用机器学习技术开发了一种侵入性较小的诊断方法，该方法可以检测高危患者的结直肠癌。他们的技术通过筛选甲基化标志物而起作用，甲基化标志物是肿瘤中常见的DNA修饰。科学家首先基于九种与大肠癌相关的甲基化标记物创建了一个诊断模型，他们通过研究801名大肠癌患者以及1,021名对照的血浆样本来确定这些模型。该模型准确地将患者与健康个体区分开，灵敏度和特异性分别为87.5%和89.9%，并且胜过了临床上可用的名为CEA的血液测试。此外，经过改进的预后模型有助于预测患者在26个随访期内的死亡风险。

平均6个月，尤其是结合既定的临床特征(例如肿瘤位置)时。一种甲基化标记特别有用，因为在对1,493名高危人群的前瞻性研究中，仅对它进行了筛查，以发现大肠癌和癌前病变的病例。罗等。得出结论，将需要进行更长的随访时间的研究，以进一步评估其模型对临床医生和患者的可靠性。