甲状腺乳头状癌（PTC)是目前发病率增长最快的恶性肿瘤，成为公众普遍关注的健康问题。PTC总体预后比较好；然而，同属PTC不同个体间却有着不一样的预后，35-50%PTC患者容易出现转移, 10-20%患者即使积极手术仍然面临复发的风险，更有一些患者无法治愈甚至死亡。如何准确甄别PTC患者的不同风险，尤其在治疗前明确PTC的风险程度，这是制约精准诊治的一道临床难题。如果能够解决这一临床难题，准确判断PTC的风险程度，就能为精准治疗PTC提供决策依据，指导临床医生采取保守、积极或者激进措施处理低、中和高危PTC患者；避免过度治疗或治疗不足。针对这一重要的临床问题，西湖大学附属杭州市第一人民医院肿瘤外科罗定存教授团队牵头联合西湖大学生命科学学院郭天南教授团队和青岛大学烟台毓璜顶医院郑海涛教授团队开展了一项多中心临床研究，探索有效的PTC术前风险分层方法。研究团队采用机器学习方法，利用蛋白质、基因、免疫和临床这四维度信息成功构建甲状腺乳头状癌术前风险评估分类器（PRAC-PTC），在术前能够良好区分低危和中高危甲状腺乳头状癌患者，并在回顾性和前瞻性研究中有效验证。相关研究成果近日以Risk stratification of papillary thyroid cancers using multidimensional machine learning为标题在国际外科学权威期刊International Journal of Surgery在线发表。图一. 论文截图
