大多数死于黑色素瘤(最致命的皮肤癌形式)的患者，最初被诊断为早期黑色素瘤，后来又经历了复发，这种复发通常在扩散或转移后才被发现。
由马萨诸塞州总医院 (MGH) 的研究人员领导的一个团队最近开发了一种基于人工智能的方法来预测哪些患者最有可能复发，因此有望从积极治疗中受益。该方法已在npj Precision Oncology上发表的一项研究中得到验证。
大多数早期黑色素瘤患者接受手术切除癌细胞，但晚期癌症患者通常接受免疫检查点抑制剂，有效增强对肿瘤细胞的免疫反应，但也有明显的副作用。
“迫切需要开发预测工具来帮助选择高风险患者，因为免疫检查点抑制剂的益处将证明这种治疗类别观察到的高发病率和潜在致命的免疫不良事件是合理的，”高级说作者 Yevgeniy R. Semenov，医学博士，MGH 皮肤科研究员。
“对黑色素瘤复发的可靠预测可以为免疫治疗提供更精确的治疗选择，减少向转移性疾病的进展，提高黑色素瘤的存活率，同时最大限度地减少治疗毒性的暴露。”
非复发性黑色素瘤分为两组：一组至少有 5 年的随访时间;另一组 3:1 在随访时间方面与复发性黑色素瘤最匹配。第一组在二元复发分类任务中与复发性黑色素瘤进行比较。在事件发生时间复发预测任务中，将第二组与复发性黑色素瘤进行了比较。图片来源：npj Precision Oncology (2022)。DOI: 10.1038/s41698-022-00321-4
为了帮助实现这一目标，Semenov 和他的同事评估了基于机器学习(人工智能的一个分支)的算法的有效性，该算法使用来自患者电子健康记录的数据来预测黑色素瘤的复发。
具体来说，该团队收集了 1,720 个早期黑色素瘤——其中 1,172 个来自麻省总医院 Brigham 医疗保健系统 (MGB)，548 个来自 Dana-Farber 癌症研究所 (DFCI)——并从电子健康记录中提取了这些癌症的 36 个临床和病理学特征，以使用机器学习算法预测患者的复发风险。使用各种 MGB 和 DFCI 患者组开发和验证了算法，肿瘤厚度和癌细胞分裂率被确定为最具预测性的特征。
“我们的综合风险预测平台使用新的机器学习方法来确定早期黑色素瘤复发的风险，达到了高水平的分类和事件预测准确度，”Semenov 说。“我们的研究结果表明，机器学习算法可以从临床病理学特征中提取预测信号，用于早期黑色素瘤复发预测，这将有助于识别可能受益于辅助免疫治疗的患者。”
其他 Mass General 合著者包括 Ahmad Rajeh、Michael R. Collier、Min Seok Choi、Munachimso Amadife、Kimberly Tang、Shijia Zhang、Jordan Phillips、Nora A. Alexander、Yining Hua、Wenxin Chen、Diane、Ho、Stacey Duey 和吉纳维芙·M·博兰。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！