Metoda, ki temelji na umetni inteligenci, lahko pomaga napovedati ponovitve melanoma v zgodnji fazi

Metoda, ki temelji na umetni inteligenci, lahko pomaga napovedati ponovitve melanoma v zgodnji fazi

Večina smrti zaradi melanoma – najsmrtonosnejše oblike kožnega raka – se zgodi pri bolnikih, pri katerih je bila prvotno diagnosticirana zgodnja faza melanoma in se je kasneje ponovil, ki se običajno ne odkrije, dokler se ne razširi ali metastazira.

Skupina, ki so jo vodili raziskovalci v Splošni bolnišnici Massachusetts (MGH), je pred kratkim razvila metodo, ki temelji na umetni inteligenci, da bi predvidela, pri katerih bolnikih se bo bolezen najverjetneje ponovila in jim bo zato verjetno koristilo agresivno zdravljenje. Metoda je bila potrjena v študiji, objavljeni v npj Precision Oncology.

Večino bolnikov z melanomom v zgodnjem stadiju zdravijo z operacijo za odstranitev rakavih celic, vendar bolniki z napredovalim rakom pogosto prejemajo zaviralce imunskih kontrolnih točk, ki so učinkoviti pri krepitvi imunskega odziva proti tumorskim celicam, vendar imajo tudi pomembne stranske učinke.

Nujno je treba razviti napovedna orodja za pomoč pri izbiri bolnikov z visokim tveganjem, za katere bi koristi zaviralcev imunskih kontrolnih točk upravičile visoko stopnjo patoloških in potencialno smrtnih neželenih imunoloških dogodkov, opaženih pri tem razredu terapevtikov.

Jevgenij R. Semenov, dr.med., višji avtor, raziskovalec, Oddelek za dermatologijo pri MGH

"Zanesljiva napoved ponovitve melanoma lahko omogoči natančnejšo izbiro zdravljenja za imunoterapijo, zmanjša napredovanje metastatske bolezni in izboljša preživetje melanoma, hkrati pa zmanjša izpostavljenost toksičnosti zdravljenja."

Da bi to dosegli, so Semenov in njegovi sodelavci ocenili učinkovitost algoritmov, ki temeljijo na strojnem učenju, veji umetne inteligence, ki uporablja podatke iz elektronskih zdravstvenih kartotek za napovedovanje ponovitve melanoma.

Natančneje, ekipa je zbrala 1.720 zgodnjih stadijev melanomov - 1.172 iz Mass General Brigham Healthcare System (MGB) in 548 iz Dana-Farber Cancer Institute (DFCI) - in ekstrahirala 36 kliničnih in patoloških značilnosti teh rakov iz elektronskih zdravstvenih kartotek, da bi napovedala tveganje ponovitve bolnikov z algoritmi mehanskega učenja. Algoritmi so bili razviti in potrjeni z uporabo različnih skupin bolnikov MGB in DFCI, debelina tumorja in stopnja delitve rakavih celic pa sta bili opredeljeni kot najbolj napovedni značilnosti.

"Naša celovita platforma za napovedovanje tveganja, ki uporablja nove pristope strojnega učenja za določanje tveganja za ponovitev melanoma v zgodnji fazi, je dosegla visoko stopnjo klasifikacije in natančnost napovedi od časa do dogodka," pravi Semenov. "Naši rezultati kažejo, da lahko algoritmi strojnega učenja izvlečejo napovedne signale iz klinično-patoloških značilnosti za napovedovanje ponovitve melanoma v zgodnji fazi, kar bo omogočilo identifikacijo bolnikov, ki bi jim lahko koristila adjuvantna imunoterapija."

Vir:

Splošna bolnišnica Massachusetts

Referenca:

Wan, G., et al. (2022) Napoved ponovitve melanoma v zgodnji fazi na podlagi kliničnih in histopatoloških značilnosti. npj Precizna onkologija. doi.org/10.1038/s41698-022-00321-4.

.