科学家研发出一种基于质谱分析和机器学习的新技术，通过检测一滴血清中的代谢物，能够在首次试验中100%准确识别卵巢癌患者，无假阳性和假阴性。该研究由美国乔治亚州技术研究所领导，成果发表于《癌症流行病学、标记物与预防研究》。

卵巢癌是女性生殖系统最常见的恶性肿瘤之一，由于早期症状隐匿，多数患者确诊时已处于晚期，五年生存率不足50%。因此，开发高灵敏度和特异性的早期检测方法至关重要。该新技术利用热氦等离子将血清气化，使分子带电后通过质谱仪测量代谢物的相对丰度。随后，由亚历克斯·格雷开发的机器学习算法对癌症患者与健康对照者的代谢物谱进行分类比较，识别出具有显著差异的生物学标志物。

在初步试验中，研究团队对94份血清样本进行了盲法测试，结果令人振奋：该技术不仅能够100%区分卵巢癌患者与健康个体，而且未出现任何假阳性或假阴性结果。研究负责人约翰·麦克唐纳教授表示：“由于卵巢癌发病率相对较低，检测必须极其准确。我们认为我们已经实现了这一目标。”

目前，研究团队正在开展包含500名患者的更大规模验证试验，以评估该技术对不同亚型卵巢癌的检测效能。法昆多·费尔南德斯副教授指出：“不同卵巢癌亚型可能具有不同的代谢特征，我们需要进一步研究。此外，其他癌症也可能存在特异性代谢物，我们计划将这一方法推广到多种癌症的早期筛查。”

如果后续研究证实该技术的可靠性，医生将能够在卵巢癌早期阶段进行干预，从而显著提高患者的生存率和生活质量。这一突破性进展为癌症液体活检领域提供了新的方向。