<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，后來復發(fā)，通常直到擴散或轉移才被發(fā)現(xiàn)。</p> <p>&nbsp;</p> <p>馬薩諸塞州總醫(yī)院(Massachusetts General Hospital)的研究人員領導的一個團隊最近開發(fā)了一種基于人工智能的方法，可以預測哪些患者最有可能復發(fā)，從而有望從積極治療中受益。該方法在npj精密腫瘤學雜志上發(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，但也有明顯的副作用。</p> <p>&nbsp;</p> <p>MGH皮膚病學研究員、資深作者Yevgeniy R. Semenov說:&ldquo;迫切需要開發(fā)預測工具來幫助選擇高風險患者，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;對黑色素瘤復發(fā)的可靠預測可以實現(xiàn)更精確的免疫治療選擇，減少轉移性疾病的進展，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習(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)來預測黑色素瘤復發(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，用機器學習算法預測患者的復發(fā)風險。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測性的特征。</p> <p>&nbsp;</p> <p>Semenov說:&ldquo;我們的綜合風險預測平臺使用新穎的機器學習方法來確定早期黑色素瘤復發(fā)的風險，達到了很高的分類和事件預測時間的準確性。&rdquo;&ldquo;我們的研究結果表明，機器學習算法可以從臨床病理特征中提取預測信號，用于早期黑色素瘤復發(fā)預測，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，不代表指南者留學態(tài)度觀點。</p> </blockquote>