手術后，乳腺癌患者面臨著額外化療是否必要和真正有效的問題。重要的是這些女性不要接受過多的治療——但也不能接受過少的治療。萊比錫大學的物理學家對基因表達測試進行了建模，并在這些模型的基礎上檢查了它們的實用性。
萊比錫大學的 Josef Käs 教授與漢堡西部病理學研究所所長 Axel Niendorf 教授和獨立統計顧問 Bernhard Ulm 合作領導了這些調查。他們剛剛在PLOS ONE上發(fā)表了他們的發(fā)現。
基因表達測試檢查某些基因在腫瘤細胞中的活躍程度。通常，這些基因與癌癥的特征有關，例如腫瘤生長或腫瘤細胞侵入周圍組織。因此，基因表達測試代表了一種量化幾個基因活性的方法，即基因列表，從而計算患者是否以及何時會發(fā)生轉移的概率。
一方面，這些研究的結果表明，使用這些基因列表實現的預測的確定性有限，并進一步表明，對基因列表的不同組合的檢查在結果方面沒有顯著差異。有趣的是，研究人員表明，即使是隨機基因也可以預測預后：這意味著即使是那些似乎與癌癥特征無關的基因。
在這里，物理學家使用經典的統計分析和機器學習中的新方法表明，這樣的基因列表實際上在足夠大的集合中具有預后作用，并且在預后和疾病的實際過程之間顯示出高度的對應關系。
與臨床實踐中僅進行一項測試的常見建議相反，這些基因列表表明，如果執(zhí)行一項以上的測試，關于化療建議的確定性要高得多。
Käs 教授說：“這些測試在集體中非常成功，而在個體患者身上往往不太成功，這一事實起初似乎是一個矛盾，但這些測試是基于基因列表的，并且在不同的點上會犯錯誤，可以這么說。這可以通過結合幾個測試來利用，從而增加找到絕對不會從化療中受益的患者的可能性。
標簽：
免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！