前列腺癌的筛查依赖于血清前列腺特异性抗原检测，但该检测方法假阳性率较高（80％），这会导致大量不必要的活检和随后的过度治疗。考虑到测试的频率，对前列腺癌的精确筛查存在严重的未满足需求。有鉴于此，韩国科学技术研究院Kwan Hyi Lee等人介绍了一种具有学习能力的尿液多标记生物传感器来实现这一目标。

本文要点：

1）通过两种常见的机器学习算法分析了尿液多标记物检测信号与临床状态的相关性。随着生物标志物数量的增加，两种算法在筛选性能上均提供了单调的增加。

2）在生物标记物的最佳组合下，机器学习算法使用76个尿液标本对前列腺癌患者进行了99％以上的准确性筛查。

综上所述，通过机器学习分析的尿液多标记生物传感器是一种利用体液进行癌症精确筛查的重要策略。

Hojun Kim, et al. Noninvasive Precision Screening of Prostate Cancer by Urinary Multimarker Sensor and Artificial Intelligence Analysis. ACS Nano, 2020.

DOI: 10.1021/acsnano.0c06946

https://doi.org/10.1021/acsnano.0c06946