一种新的筛查方法结合了激光分析和一种人工智能技术，首次能够识别处于乳腺癌最早阶段的患者，一项研究建议道。
这种快速、无创的技术揭示了在疾病初期阶段（称为1a期）发生的细微血液变化，这些变化无法通过现有的检测方法发现，研究团队表示。
爱丁堡大学的研究人员称，他们的新方法可以改善疾病的早期检测和监测，并为多种癌症的筛查测试铺平道路。
标准的乳腺癌检测方法包括体检、X光或超声波扫描或分析乳腺组织样本（即活检）。现有的早期检测策略依赖于基于年龄或高风险群体的筛查。
使用这种方法，研究人员通过优化一种称为拉曼光谱的激光分析技术，并将其与机器学习（一种人工智能形式）结合，能够发现乳腺癌的最早阶段。
研究团队表示，类似的方法已用于筛查其他类型的癌症，但它们最早只能在第二阶段检测到疾病。
这种新技术的工作原理是首先将激光束照射到患者的血浆中。然后，使用一种称为光谱仪的设备分析光线与血液相互作用后的特性，以揭示细胞和组织化学成分的微小变化，这些变化是疾病的早期指标。
随后，使用机器学习算法来解释结果，识别相似特征并帮助分类样本。
在涉及12例乳腺癌患者样本和12例健康对照组样本的初步研究中，该技术在识别1a期乳腺癌方面的有效率为98%。
该测试还能以超过90%的准确性区分四种主要的乳腺癌亚型，这有助于患者接受更有效的个性化治疗，研究团队表示。
将这种技术作为筛查测试可以帮助更多人在乳腺癌的最早阶段被识别出来，从而提高治疗成功的可能性。研究团队计划扩大工作范围，增加更多的参与者，并包括其他类型早期癌症的测试。
爱丁堡大学工程学院的安迪·唐斯博士领导了这项研究，他表示：“大多数癌症死亡发生在症状出现后的晚期诊断阶段，因此未来针对多种癌症类型的筛查测试可以在更容易治疗的阶段发现这些癌症。”
“早期诊断是长期生存的关键，我们终于有了所需的技术。我们只需要将其应用于其他癌症类型并建立数据库，然后才能将其用作多癌症测试。”
该研究发表在《生物光子学杂志》上。研究中使用的血液样本由北爱尔兰生物银行和乳腺癌现在组织样本库提供。该研究还涉及阿伯丁大学、莱茵-瓦尔应用科学大学和北莱茵-威斯特法伦州应用研究研究生院的研究人员。
(全文结束)
