<p>黑色素瘤是最致命的一種皮膚癌，大多數(shù)死于黑色素瘤的患者最初被診斷為早期黑色素瘤，后來復(fù)發(fā)，通常直到擴散或轉(zhuǎn)移才被發(fā)現(xiàn)。</p> <p>&nbsp;</p> <p>馬薩諸塞州總醫(yī)院(Massachusetts General Hospital)的研究人員領(lǐng)導(dǎo)的一個團隊最近開發(fā)了一種基于人工智能的方法，可以預(yù)測哪些患者最有可能復(fù)發(fā)，從而有望從積極治療中受益。該方法在npj精密腫瘤學(xué)雜志上發(fā)表的一項研究中得到了驗證。</p> <p>&nbsp;</p> <p>大多數(shù)早期黑色素瘤患者通過手術(shù)去除癌細胞，但更晚期的癌癥患者通常接受免疫檢查點抑制劑，這種藥物有效地加強了對腫瘤細胞的免疫反應(yīng)，但也有明顯的副作用。</p> <p>&nbsp;</p> <p>MGH皮膚病學(xué)研究員、資深作者Yevgeniy R. Semenov說:&ldquo;迫切需要開發(fā)預(yù)測工具來幫助選擇高風(fēng)險患者，對這些患者來說，免疫檢查點抑制劑的好處可以證明這種治療類別觀察到的高發(fā)病率和潛在致命的免疫不良事件。&rdquo;</p> <p>&nbsp;</p> <p>&ldquo;對黑色素瘤復(fù)發(fā)的可靠預(yù)測可以實現(xiàn)更精確的免疫治療選擇，減少轉(zhuǎn)移性疾病的進展，并提高黑色素瘤的存活率，同時最大限度地減少治療毒性。&rdquo;</p> <p>&nbsp;</p> <p>為了幫助實現(xiàn)這一目標，Semenov和他的同事評估了基于機器學(xué)習(xí)(人工智能的一個分支)的算法的有效性，該算法使用來自患者電子健康記錄的數(shù)據(jù)來預(yù)測黑色素瘤復(fù)發(fā)。</p> <p>&nbsp;</p> <p>具體來說，該團隊收集了1720個早期黑色素瘤&mdash;&mdash;1172個來自麻省總醫(yī)院布里格姆醫(yī)療保健系統(tǒng)，548個來自達納-法伯癌癥研究所&mdash;&mdash;并從電子健康記錄中提取了這些癌癥的36個臨床和病理特征，用機器學(xué)習(xí)算法預(yù)測患者的復(fù)發(fā)風(fēng)險。在不同的MGB和DFCI患者組中開發(fā)并驗證了算法，并將腫瘤厚度和癌細胞分裂率確定為最具預(yù)測性的特征。</p> <p>&nbsp;</p> <p>Semenov說:&ldquo;我們的綜合風(fēng)險預(yù)測平臺使用新穎的機器學(xué)習(xí)方法來確定早期黑色素瘤復(fù)發(fā)的風(fēng)險，達到了很高的分類和事件預(yù)測時間的準確性。&rdquo;&ldquo;我們的研究結(jié)果表明，機器學(xué)習(xí)算法可以從臨床病理特征中提取預(yù)測信號，用于早期黑色素瘤復(fù)發(fā)預(yù)測，這將能夠識別可能受益于輔助免疫治療的患者。&rdquo;</p> <p>&nbsp;</p> <p>其他麻省總醫(yī)院的合著者包括Ahmad Rajeh、Michael R. Collier、Min Seok Choi、Munachimso Amadife、Kimberly Tang、Zhang Shijia、Jordan Phillips、Nora A. Alexander、華伊寧、陳文欣、Diane、Ho、Stacey Duey和Genevieve M. Boland。</p> <p>&nbsp;</p> <p>這項工作得到了黑色素瘤研究聯(lián)盟、美國國立衛(wèi)生研究院、國防部和皮膚病學(xué)基金會的支持。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學(xué)態(tài)度觀點。</p> </blockquote>