Tehisintellektil põhinev meetod võib aidata ennustada varajases staadiumis melanoomi kordumist

Tehisintellektil põhinev meetod võib aidata ennustada varajases staadiumis melanoomi kordumist

Enamik surmajuhtumeid melanoomist – nahavähi surmavaimast vormist – esineb patsientidel, kellel algselt diagnoositi varajases staadiumis melanoom ja kellel tekkis hiljem retsidiiv, mida tavaliselt ei tuvastata enne, kui see on levinud või metastaasid.

Massachusettsi üldhaigla (MGH) teadlaste juhitud töörühm töötas hiljuti välja tehisintellektil põhineva meetodi, et ennustada, millistel patsientidel on kõige tõenäolisem haiguse kordumine ja kes saavad seetõttu agressiivsest ravist kasu. Meetod kinnitati ajakirjas npj Precision Oncology avaldatud uuringus.

Enamikku varajases staadiumis melanoomiga patsiente ravitakse vähirakkude eemaldamise operatsiooniga, kuid kaugelearenenud vähiga patsiendid saavad sageli immuunsüsteemi kontrollpunkti inhibiitoreid, mis tugevdavad tõhusalt immuunvastust kasvajarakkude vastu, kuid millel on ka märkimisväärsed kõrvalmõjud.

Kiiresti on vaja välja töötada ennustavad vahendid, et aidata valida kõrge riskiga patsiente, kelle jaoks immuunsüsteemi kontrollpunkti inhibiitorite eelised õigustavad selle ravimiklassiga täheldatud patoloogiliste ja potentsiaalselt surmaga lõppevate immunoloogiliste kõrvaltoimete suurt esinemissagedust.

Jevgeni R. Semenov, MD, vanemautor, uurija, MGH dermatoloogia osakond

"Melanoomi kordumise usaldusväärne prognoosimine võib võimaldada immunoteraapia jaoks täpsemat ravi valikut, vähendada metastaatilise haiguse progresseerumist ja parandada melanoomi ellujäämist, minimeerides samal ajal kokkupuudet ravitoksilisusega."

Selle saavutamiseks hindasid Semenov ja tema kolleegid masinõppel põhinevate algoritmide tõhusust – tehisintellekti haru, mis kasutab elektrooniliste tervisekaartide andmeid melanoomi kordumise ennustamiseks.

Täpsemalt kogus töörühm 1720 varajases staadiumis melanoomi – 1172 Mass General Brigham Healthcare Systemist (MGB) ja 548 Dana-Farberi Vähiinstituudist (DFCI) – ning ekstraheeris elektroonilistest tervisekaartidest nende vähivormide 36 kliinilist ja patoloogilist tunnust, et ennustada mehaanilise õppimisega patsientide kordumise ohtu. Algoritmid töötati välja ja valideeriti erinevate MGB ja DFCI patsientide komplektide abil ning kasvaja paksus ja vähirakkude jagunemise kiirus tuvastati kui kõige ennustavamad omadused.

"Meie kõikehõlmav riskiennustusplatvorm, mis kasutab varajases staadiumis melanoomi kordumise riski kindlakstegemiseks uudseid masinõppe lähenemisviise, saavutas kõrge klassifikatsioonitaseme ja sündmuste aja prognoosimise täpsuse, " ütleb Semenov. "Meie tulemused näitavad, et masinõppe algoritmid suudavad eraldada kliinilistest patoloogilistest tunnustest ennustavaid signaale varajases staadiumis melanoomi kordumise ennustamiseks, mis võimaldab tuvastada patsiente, kes võivad adjuvant-immunoteraapiast kasu saada."

Allikas:

Massachusettsi üldhaigla

Viide:

Wan, G. et al. (2022) Varajases staadiumis melanoomi kordumise ennustamine kliiniliste ja histopatoloogiliste tunnuste põhjal. npj Täppisonkoloogia. doi.org/10.1038/s41698-022-00321-4.

.