使用机器学习识别无法诊断的癌症

为癌症患者选择适当治疗的第一步是确定他们的特定癌症类型，包括确定原发部位——癌症开始的器官或身体部位。

在极少数情况下，即使经过广泛的检测，也无法确定癌症的起源。尽管这些原发性未知的癌症往往具有侵袭性，但肿瘤学家必须用非靶向疗法治疗它们，这些疗法通常具有严重的毒性并导致低存活率。

麻省理工学院科赫综合癌症研究所和马萨诸塞州总医院 (MGH) 的研究人员开发的一种新的深度学习方法可以通过仔细研究与早期细胞发育和分化相关的基因表达程序来帮助对未知原发性癌症进行分类。

“有时你可以应用病理学家必须提供的所有工具，但你仍然没有答案，”科赫研究所的查尔斯 W. (1955) 和詹妮弗 C. 约翰逊临床研究员、病理学家 Salil Garg 说。麻省总医院。“像这样的机器学习工具可以使肿瘤学家选择更有效的治疗方法，并为他们的患者提供更多指导。”

Garg 是一项新研究的资深作者，该研究于 8 月 30 日发表在Cancer Discovery上。人工智能工具能够以高度的敏感性和准确性识别癌症类型。Garg 是该研究的资深作者，麻省理工学院博士后 Enrico Moiso 是第一作者。

开发中的机器学习

解析不同类型原发性未知肿瘤的基因表达差异是机器学习解决的理想问题。癌细胞的外观和行为与正常细胞完全不同，部分原因是它们的基因表达方式发生了广泛的改变。由于单细胞分析的进步和在细胞图谱中对不同细胞表达模式进行分类的努力，有大量的数据——如果对人眼来说是压倒性的——包含不同癌症起源方式和起源的线索。

然而，建立一个机器学习模型，利用健康和正常细胞之间以及不同种类癌症之间的差异，将其用于诊断工具是一种平衡行为。如果一个模型过于复杂并且考虑了太多癌症基因表达的特征，该模型可能看起来完美地学习了训练数据，但在遇到新数据时会动摇。然而，通过缩小特征数量来简化模型，模型可能会遗漏导致癌症类型准确分类的信息种类。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！