Dirbtiniu intelektu pagrįstas metodas gali padėti numatyti ankstyvos stadijos melanomos pasikartojimą

Dirbtiniu intelektu pagrįstas metodas gali padėti numatyti ankstyvos stadijos melanomos pasikartojimą

Dauguma mirčių nuo melanomos – mirtiniausios odos vėžio formos – įvyksta pacientams, kuriems iš pradžių buvo diagnozuota ankstyvos stadijos melanoma, o vėliau jie pasikartojo, o tai paprastai nenustatoma tol, kol ji neišplito ar metastazuoja.

Masačusetso bendrosios ligoninės (MGH) tyrėjų vadovaujama komanda neseniai sukūrė dirbtiniu intelektu pagrįstą metodą, skirtą numatyti, kuriems pacientams dažniausiai pasikartos, todėl jiems bus naudingas agresyvus gydymas. Metodas buvo patvirtintas tyrime, paskelbtame npj Precision Oncology.

Daugumai pacientų, sergančių ankstyvos stadijos melanoma, atliekama chirurginė operacija, siekiant pašalinti vėžines ląsteles, tačiau pacientams, sergantiems pažengusiu vėžiu, dažnai skiriami imuninės kontrolės taško inhibitoriai, kurie veiksmingi stiprina imuninį atsaką prieš naviko ląsteles, bet taip pat turi reikšmingą šalutinį poveikį.

Reikia skubiai sukurti nuspėjimo priemones, kurios padėtų atrinkti didelės rizikos pacientus, kuriems imuninės kontrolės taško inhibitorių nauda pateisintų didelį patologinių ir galimai mirtinų nepageidaujamų imunologinių reiškinių, pastebėtų vartojant šią terapijos klasę, skaičių.

Jevgenijus R. Semenovas, medicinos mokslų daktaras, vyresnysis autorius, tyrėjas, MGH Dermatologijos skyrius

"Patikimas melanomos pasikartojimo prognozavimas gali padėti tiksliau pasirinkti imunoterapijos gydymą, sumažinti metastazavusios ligos progresavimą ir pagerinti melanomos išgyvenamumą, tuo pačiu sumažinant gydymo toksiškumo poveikį."

Kad tai pasiektų, Semenovas ir jo kolegos įvertino algoritmų, pagrįstų mašininiu mokymusi – dirbtinio intelekto šaka, kuri naudoja duomenis iš elektroninių sveikatos įrašų melanomos pasikartojimui prognozuoti, efektyvumą.

Tiksliau, komanda surinko 1 720 ankstyvos stadijos melanomų – ​​1 172 iš Mass General Brigham Healthcare System (MGB) ir 548 iš Dana-Farber Cancer Institute (DFCI) ir iš elektroninių sveikatos įrašų išskyrė 36 klinikinius ir patologinius šių vėžio požymius, kad būtų galima numatyti pacientų, turinčių mechaninio mokymosi algoritmų, pasikartojimo riziką. Algoritmai buvo sukurti ir patvirtinti naudojant skirtingus MGB ir DFCI pacientų rinkinius, o auglio storis ir vėžio ląstelių dalijimosi greitis buvo nustatyti kaip labiausiai nuspėjamieji požymiai.

„Mūsų visapusiška rizikos prognozavimo platforma, kuri naudoja naujus mašininio mokymosi metodus, kad nustatytų ankstyvos stadijos melanomos pasikartojimo riziką, pasiekė aukštą klasifikavimo ir laiko iki įvykio prognozavimo tikslumą“, – sako Semenovas. „Mūsų rezultatai rodo, kad mašininio mokymosi algoritmai gali išgauti nuspėjamuosius signalus iš klinikopatologinių požymių, kad būtų galima numatyti ankstyvos stadijos melanomos pasikartojimą, o tai leis identifikuoti pacientus, kuriems gali būti naudinga adjuvantinė imunoterapija.

Šaltinis:

Masačusetso bendroji ligoninė

Nuoroda:

Wan, G. ir kt. (2022) Ankstyvosios stadijos melanomos pasikartojimo prognozė, pagrįsta klinikiniais ir histopatologiniais požymiais. npj Tikslioji onkologija. doi.org/10.1038/s41698-022-00321-4.

.