大多數(shù)死于黑色素瘤(最致命的皮膚癌形式)的患者，最初被診斷為早期黑色素瘤，后來又經(jīng)歷了復發(fā)，這種復發(fā)通常在擴散或轉(zhuǎn)移后才被發(fā)現(xiàn)。
由馬薩諸塞州總醫(yī)院 (MGH) 的研究人員領導的一個團隊最近開發(fā)了一種基于人工智能的方法來預測哪些患者最有可能復發(fā)，因此有望從積極治療中受益。該方法已在npj Precision Oncology上發(fā)表的一項研究中得到驗證。
大多數(shù)早期黑色素瘤患者接受手術切除癌細胞，但晚期癌癥患者通常接受免疫檢查點抑制劑，有效增強對腫瘤細胞的免疫反應，但也有明顯的副作用。
“迫切需要開發(fā)預測工具來幫助選擇高風險患者，因為免疫檢查點抑制劑的益處將證明這種治療類別觀察到的高發(fā)病率和潛在致命的免疫不良事件是合理的，”高級說作者 Yevgeniy R. Semenov，醫(yī)學博士，MGH 皮膚科研究員。
“對黑色素瘤復發(fā)的可靠預測可以為免疫治療提供更精確的治療選擇，減少向轉(zhuǎn)移性疾病的進展，提高黑色素瘤的存活率，同時最大限度地減少治療毒性的暴露。”
為了幫助實現(xiàn)這一目標，Semenov 和他的同事評估了基于機器學習(人工智能的一個分支)的算法的有效性，該算法使用來自患者電子健康記錄的數(shù)據(jù)來預測黑色素瘤的復發(fā)。
具體來說，該團隊收集了 1,720 個早期黑色素瘤——其中 1,172 個來自麻省總醫(yī)院 Brigham 醫(yī)療保健系統(tǒng) (MGB)，548 個來自 Dana-Farber 癌癥研究所 (DFCI)——并從電子健康記錄中提取了這些癌癥的 36 個臨床和病理學特征，以使用機器學習算法預測患者的復發(fā)風險。使用各種 MGB 和 DFCI 患者組開發(fā)和驗證了算法，腫瘤厚度和癌細胞分裂率被確定為最具預測性的特征。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！