出国看病资讯人工智能方法可能有助于识别面临癌症复发高风险的黑色素瘤幸存者

出国看病资讯人工智能方法可能有助于识别面临癌症复发高风险的黑色素瘤幸存者

黑色素瘤（最致命的皮肤癌形式）的大多数死亡发生在最初被诊断出患有早期黑色素瘤的患者中，然后经历了复发，这种复发通常直到扩散或转移时才被发现。——出国看病

由马萨诸塞州总医院（MGH）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，以预测哪些患者最有可能复发，因此有望从积极的治疗中受益。该方法在npj Precision Oncology上发表的一项研究中得到了验证。——出国看病

大多数早期黑色素瘤患者接受手术切除癌细胞的治疗，但更晚期癌症的患者经常接受免疫检查点抑制剂，这有效地增强了对肿瘤细胞的免疫反应，但也带来了明显的副作用。——出国看病

“迫切需要开发预测工具，以帮助选择高风险患者，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病态和潜在致命免疫不良事件的发生率是合理的，”资深作者Yevgeniy R. Semenov博士说，他是MGH皮肤病学系的研究员。——出国看病

“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，减少进展为转移性疾病并提高黑色素瘤的生存率，同时最大限度地减少暴露于治疗毒性。——出国看病

非复发性黑色素瘤分为两组：一组至少随访时间为5年;另一组3：1在随访时间方面与复发性黑色素瘤最匹配。将第一组与二元复发分类任务中的复发性黑色素瘤进行比较。将第二组与复发性黑色素瘤在事件发生时间预测任务中进行比较。信用：npj 精准肿瘤学（2022）——出国看病

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的算法的有效性，机器学习是人工智能的一个分支，该算法使用患者电子健康记录中的数据来预测黑色素瘤的复发。——出国看病

具体来说，该团队收集了1，720例早期黑色素瘤 - 1，172例来自Mass General Brigham医疗保健系统（MGB），548例来自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个临床和病理特征，以预测患者的复发风险机器学习算法。在各种MGB和DFCI患者集中开发和验证了算法，肿瘤厚度和癌细胞分裂速率被确定为最具预测性的特征。——出国看病

“我们的综合风险预测平台使用新颖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时间的准确性，”Semenov说。“我们的研究结果表明，机器学习算法可以从临床病理特征中提取预测信号，用于早期黑色素瘤复发预测，这将能够识别可能从辅助免疫治疗中受益的患者。——出国看病