Metóda založená na umelej inteligencii môže pomôcť predpovedať skoré štádium recidívy melanómu

Metóda založená na umelej inteligencii môže pomôcť predpovedať skoré štádium recidívy melanómu

Väčšina úmrtí na melanóm - najsmrteľnejšiu formu rakoviny kože - sa vyskytuje u pacientov, u ktorých bol pôvodne diagnostikovaný melanóm v počiatočnom štádiu a neskôr došlo k recidíve, ktorá sa zvyčajne nezistí, kým sa nerozšíri alebo nemetastázuje.

Tím vedený výskumníkmi z Massachusetts General Hospital (MGH) nedávno vyvinul metódu založenú na umelej inteligencii na predpovedanie, u ktorých pacientov je najpravdepodobnejšia recidíva, a preto je pravdepodobné, že budú mať prospech z agresívnej liečby. Metóda bola overená v štúdii publikovanej v npj Precision Oncology.

Väčšina pacientov s melanómom v počiatočnom štádiu je liečená chirurgickým zákrokom na odstránenie rakovinových buniek, ale pacienti s pokročilým štádiom rakoviny často dostávajú inhibítory kontrolných bodov imunity, ktoré sú účinné pri posilňovaní imunitnej odpovede proti nádorovým bunkám, ale majú aj významné vedľajšie účinky.

Existuje naliehavá potreba vyvinúť prediktívne nástroje na pomoc pri výbere vysokorizikových pacientov, u ktorých by výhody inhibítorov imunitných kontrolných bodov odôvodnili vysokú mieru patologických a potenciálne smrteľných nežiaducich imunologických udalostí pozorovaných pri tejto triede terapeutík.

Jevgenij R. Semenov, MD, hlavný autor, výskumník, Dermatologická klinika MGH

"Spoľahlivá predpoveď recidívy melanómu môže umožniť presnejší výber liečby pre imunoterapiu, znížiť progresiu metastatického ochorenia a zlepšiť prežitie melanómu pri minimalizácii vystavenia toxicite liečby."

Na dosiahnutie tohto cieľa Semenov a jeho kolegovia vyhodnotili účinnosť algoritmov založených na strojovom učení, odvetví umelej inteligencie, ktorá využíva údaje z elektronických zdravotných záznamov na predpovedanie recidívy melanómu.

Konkrétne tím zhromaždil 1 720 melanómov v počiatočnom štádiu – 1 172 z Mass General Brigham Healthcare System (MGB) a 548 z Dana-Farber Cancer Institute (DFCI) – a extrahoval 36 klinických a patologických znakov týchto rakovín z elektronických zdravotných záznamov, aby predpovedal riziko recidívy u pacientov s mechanickým algoritmom učenia. Algoritmy boli vyvinuté a overené pomocou rôznych súborov pacientov s MGB a DFCI a hrúbka nádoru a rýchlosť delenia rakovinových buniek boli identifikované ako najprediktívnejšie znaky.

„Naša komplexná platforma na predpovedanie rizika, ktorá využíva nové prístupy strojového učenia na určenie rizika recidívy melanómu v počiatočnom štádiu, dosiahla vysokú úroveň klasifikácie a presnosti predpovede času do udalosti,“ hovorí Semenov. "Naše výsledky naznačujú, že algoritmy strojového učenia môžu extrahovať prediktívne signály z klinickopatologických funkcií na predpovedanie recidívy melanómu v počiatočnom štádiu, čo umožní identifikáciu pacientov, ktorí môžu mať prospech z adjuvantnej imunoterapie."

Zdroj:

Massachusetts General Hospital

Referencia:

Wan, G., a kol. (2022) Predikcia skorého štádia recidívy melanómu na základe klinických a histopatologických znakov. npj Presná onkológia. doi.org/10.1038/s41698-022-00321-4.

.