Metoda utemeljena na umjetnoj inteligenciji može pomoći u predviđanju recidiva melanoma u ranoj fazi

Metoda utemeljena na umjetnoj inteligenciji može pomoći u predviđanju recidiva melanoma u ranoj fazi

Većina smrtnih slučajeva od melanoma - najsmrtonosnijeg oblika raka kože - javlja se kod pacijenata kojima je prvobitno dijagnosticiran rani stadij melanoma, a kasnije se ponovno pojavio, koji se obično ne otkrije dok se ne proširi ili metastazira.

Tim predvođen istraživačima iz Opće bolnice Massachusetts (MGH) nedavno je razvio metodu utemeljenu na umjetnoj inteligenciji za predviđanje koji će pacijenti najvjerojatnije doživjeti recidiv i stoga će imati koristi od agresivnog liječenja. Metoda je potvrđena u studiji objavljenoj u npj Precision Oncology.

Većina pacijenata s ranim stadijem melanoma liječi se kirurškim zahvatom za uklanjanje stanica raka, ali pacijenti s uznapredovalim rakom često primaju inhibitore imunološke kontrolne točke, koji su učinkoviti u jačanju imunološkog odgovora protiv tumorskih stanica, ali imaju i značajne nuspojave.

Postoji hitna potreba za razvojem alata za predviđanje koji bi pomogli u odabiru visokorizičnih pacijenata za koje bi dobrobiti inhibitora imunoloških kontrolnih točaka opravdale visoku stopu patoloških i potencijalno smrtonosnih štetnih imunoloških događaja uočenih s ovom klasom terapije.”

Yevgeniy R. Semenov, dr.med., viši autor, istraživač, Odjel za dermatologiju pri MGH

"Pouzdano predviđanje recidiva melanoma može omogućiti točniji odabir liječenja za imunoterapiju, smanjiti napredovanje metastatske bolesti i poboljšati preživljenje melanoma uz smanjenje izloženosti toksičnosti liječenja."

Kako bi to postigli, Semenov i njegovi kolege procijenili su učinkovitost algoritama temeljenih na strojnom učenju, grani umjetne inteligencije koja koristi podatke iz elektroničkih zdravstvenih kartona za predviđanje recidiva melanoma.

Konkretno, tim je prikupio 1720 ranih stadija melanoma - 1172 iz Mass General Brigham Healthcare System (MGB) i 548 iz Dana-Farber Cancer Institute (DFCI) - i izdvojio 36 kliničkih i patoloških značajki ovih vrsta raka iz elektroničkih zdravstvenih zapisa kako bi predvidio rizik od ponovnog pojavljivanja kod pacijenata s algoritmima mehaničkog učenja. Algoritmi su razvijeni i potvrđeni korištenjem različitih MGB i DFCI skupova pacijenata, a debljina tumora i brzina diobe stanica raka identificirani su kao najpredvidljivije značajke.

"Naša sveobuhvatna platforma za predviđanje rizika, koja koristi nove pristupe strojnog učenja za određivanje rizika od recidiva ranog stadija melanoma, postigla je visoku razinu klasifikacije i točnosti predviđanja od vremena do događaja", kaže Semenov. "Naši rezultati sugeriraju da algoritmi strojnog učenja mogu izdvojiti prediktivne signale iz kliničko-patoloških značajki za predviđanje recidiva melanoma u ranom stadiju, što će omogućiti identifikaciju pacijenata koji bi mogli imati koristi od adjuvantne imunoterapije."

Izvor:

Opća bolnica Massachusetts

Referenca:

Wan, G. i sur. (2022) Predviđanje recidiva ranog stadija melanoma na temelju kliničkih i histopatoloških značajki. npj Precizna onkologija. doi.org/10.1038/s41698-022-00321-4.

.