研究人员已经基于机器学习算法创建了一个全面的测试，以更好地指导胰腺囊肿患者的管理 - 胰腺癌是胰腺癌的潜在前体。

这项名为CompCyst的新分析在875名患者的国际多中心研究中表现优于目前的黄金护理标准。至关重要的是，该测试可以避免60%接受不必要的手术切除的患者进行手术，这表明其使用可以减少不必要的手术，降低健康和经济成本。胰腺囊肿是胰腺中充满液体的病变，在70岁以上的人群中发现高达8%。尽管大多数囊肿是良性的，但是一些产生粘蛋白的胰腺囊肿可以转化为侵袭性的胰腺癌。

更重要的是，很难将癌前期囊肿与良性囊肿区分开来，因此非癌性囊肿常被误分类，并且不必通过胰腺手术切除。为了克服这种困境，Simeon Springer及其同事招募了875名患有胰腺囊肿的患者，并收集了与其良性或粘蛋白产生囊肿相关的突变，蛋白质和其他标志物的信息。他们使用深度学习技术训练CompCyst读取这些标记并将患者分类为应监测，未监测或接受手术的患者。

在对436名原始患者进行了测试方案培训后，研究人员发现，当对426名其他患者进行评估时，该测试在很大程度上优于标准治疗病理学：正确识别出60.4%应该出院的患者(相对于18名患者)。9%的患者使用标准治疗诊断)，48.6%的患者应该接受监测(相对于34.3%)，90.8%的患者需要进行手术(相比之下为88.8%)。未来的工作对于前瞻性验证测试中使用的标记物是必要的，但Springer等人。他们的平台具有很强的潜力，可以作为现有方法的补充，用于临床。