Metoda založená na umělé inteligenci může pomoci předvídat recidivy melanomu v raném stadiu

Metoda založená na umělé inteligenci může pomoci předvídat recidivy melanomu v raném stadiu

Většina úmrtí na melanom – nejsmrtelnější formu rakoviny kůže – se vyskytuje u pacientů, u kterých byl zpočátku diagnostikován melanom v raném stadiu a později došlo k recidivě, která obvykle není detekována, dokud se nerozšíří nebo nemetastázuje.

Tým vedený výzkumníky z Massachusetts General Hospital (MGH) nedávno vyvinul metodu založenou na umělé inteligenci, která má předpovědět, u kterých pacientů je nejpravděpodobnější opakování, a proto je pravděpodobné, že budou mít prospěch z agresivní léčby. Metoda byla ověřena ve studii publikované v npj Precision Oncology.

Většina pacientů s časným stádiem melanomu je léčena chirurgickým zákrokem k odstranění rakovinných buněk, ale pacienti s pokročilou rakovinou často dostávají inhibitory imunitního kontrolního bodu, které jsou účinné při posilování imunitní reakce proti nádorovým buňkám, ale mají také významné vedlejší účinky.

Existuje naléhavá potřeba vyvinout prediktivní nástroje, které pomohou při výběru vysoce rizikových pacientů, u kterých by přínosy inhibitorů imunitního kontrolního bodu ospravedlnily vysokou míru patologických a potenciálně fatálních nepříznivých imunologických příhod pozorovaných u této třídy terapeutik.

Jevgenij R. Semenov, MD, hlavní autor, řešitel, Dermatologická klinika MGH

"Spolehlivá předpověď recidivy melanomu může umožnit přesnější výběr léčby pro imunoterapii, snížit progresi metastatického onemocnění a zlepšit přežití melanomu při minimalizaci expozice toxicitě léčby."

Aby toho bylo dosaženo, Semenov a jeho kolegové vyhodnotili účinnost algoritmů založených na strojovém učení, což je odvětví umělé inteligence, které využívá data z elektronických zdravotních záznamů k předpovídání recidivy melanomu.

Konkrétně tým shromáždil 1 720 raných stádií melanomů – 1 172 od Mass General Brigham Healthcare System (MGB) a 548 od Dana-Farber Cancer Institute (DFCI) – a extrahoval 36 klinických a patologických rysů těchto rakovin z elektronických zdravotních záznamů, aby předpověděl riziko recidivy u pacientů s mechanickým algoritmem učení. Algoritmy byly vyvinuty a ověřeny s použitím různých souborů pacientů s MGB a DFCI a jako nejvíce prediktivní vlastnosti byly identifikovány tloušťka nádoru a rychlost dělení rakovinných buněk.

„Naše komplexní platforma pro predikci rizik, která využívá nové přístupy strojového učení k určení rizika recidivy melanomu v raném stádiu, dosáhla vysoké úrovně klasifikace a přesnosti předpovědi doby do události,“ říká Semenov. "Naše výsledky naznačují, že algoritmy strojového učení mohou extrahovat prediktivní signály z klinickopatologických funkcí pro predikci recidivy melanomu v raném stádiu, což umožní identifikaci pacientů, kteří mohou mít prospěch z adjuvantní imunoterapie."

Zdroj:

Massachusetts General Hospital

Odkaz:

Wan, G., a kol. (2022) Predikce časného stadia recidivy melanomu na základě klinických a histopatologických znaků. npj Přesná onkologie. doi.org/10.1038/s41698-022-00321-4.

.