機器學習預測睪丸癌的副作用

DTU Health Technology 的研究人員與 Rigshospitalet 合作開發(fā)了一種機器學習模型，可以預測化療相關的腎毒性，這是接受順鉑治療的患者的一種特別顯著的副作用。

睪丸癌是年輕男性中最常見的癌癥。全球新病例的數(shù)量正在增加。存活率相對較高，如果及時發(fā)現(xiàn)并治療得當，10 年后存活率可達 95%。然而，標準化療包括具有廣泛長期副作用的順鉑，其中之一可能是腎毒性。

“在睪丸癌患者中，以順鉑為基礎的化療對于確保高治愈率至關重要。不幸的是，治療會引起副作用，包括腎功能損害。但是，我們無法確定誰最終有副作用，誰沒有， “來自 Rigshospitalet 的 Jakob Lauritsen 說。

患者數(shù)據(jù)是知識的關鍵

因此，研究人員提出了一個問題：我們可以在多大程度上使用機器學習來預測這些患者的腎毒性風險?首先，它需要一些患者數(shù)據(jù)。

“我們與 Rigshospitalet 合作，利用來自丹麥的一組睪丸癌患者，開發(fā)了一種機器學習預測模型來解決這個問題，”DTU Health Technology 的研究員 Sara Garcia 說，她與 Jakob Lauritsen一起是最近發(fā)表在JNCI Cancer Spectrum上的一篇文章的第一作者。

丹麥高質量的患者記錄使關鍵患者得以識別，DMAC 和 YouDoBio 之間的技術合作伙伴關系促進了使用郵寄唾液試劑盒從患者家中收集 DNA。該項目最初由丹麥癌癥協(xié)會資助，見證了基因組學和患者數(shù)據(jù)的多種分析策略的發(fā)展，為人工智能整合不同數(shù)據(jù)流帶來了希望。

低風險患者的最佳預測

生成了個體在化療期間發(fā)生腎毒性的風險評分，并提出了可能起作用的關鍵基因。患者被分為高、低和中等風險。對于高風險患者，該模型能夠正確預測 67% 的受影響患者，而對于低風險患者，該模型能夠正確預測 92%未發(fā)生腎毒性 的患者。

“了解 AI 技術如何以及在何處應用于臨床護理，對于負責任的 AI 的未來也越來越重要。盡管患者數(shù)據(jù)很復雜，但丹麥登記和臨床研究的高質量使其成為探索新數(shù)據(jù)方法的良好環(huán)境” Ramneek Gupta 說。“能夠預測晚期副作用最終將為我們提供采取預防措施和改善生活質量的機會，”與 Ramneek Gupta 共同擔任資深作者的格斯克道加德補充道。

標簽：