DTU Health Technology 的研究人员与 Rigshospitalet 合作开发了一种机器学习模型，可以预测化疗相关的肾毒性，这是接受顺铂治疗的患者的一种特别显着的副作用。
睾丸癌是年轻男性中最常见的癌症。全球新病例的数量正在增加。存活率相对较高，如果及时发现并治疗得当，10 年后存活率可达 95%。然而，标准化疗包括具有广泛长期副作用的顺铂，其中之一可能是肾毒性。
“在睾丸癌患者中，以顺铂为基础的化疗对于确保高治愈率至关重要。不幸的是，治疗会引起副作用，包括肾功能损害。但是，我们无法确定谁最终有副作用，谁没有， “来自 Rigshospitalet 的 Jakob Lauritsen 说。
患者数据是知识的关键
因此，研究人员提出了一个问题：我们可以在多大程度上使用机器学习来预测这些患者的肾毒性风险?首先，它需要一些患者数据。
“我们与 Rigshospitalet 合作，利用来自丹麦的一组睾丸癌患者，开发了一种机器学习预测模型来解决这个问题，”DTU Health Technology 的研究员 Sara Garcia 说，她与 Jakob Lauritsen一起是最近发表在JNCI Cancer Spectrum上的一篇文章的第一作者。
丹麦高质量的患者记录使关键患者得以识别，DMAC 和 YouDoBio 之间的技术合作伙伴关系促进了使用邮寄唾液试剂盒从患者家中收集 DNA。该项目最初由丹麦癌症协会资助，见证了基因组学和患者数据的多种分析策略的发展，为人工智能整合不同数据流带来了希望。
低风险患者的最佳预测
生成了个体在化疗期间发生肾毒性的风险评分，并提出了可能起作用的关键基因。患者被分为高、低和中等风险。对于高风险患者，该模型能够正确预测 67% 的受影响患者，而对于低风险患者，该模型能够正确预测 92%未发生肾毒性 的患者。
“了解 AI 技术如何以及在何处应用于临床护理，对于负责任的 AI 的未来也越来越重要。尽管患者数据很复杂，但丹麦登记和临床研究的高质量使其成为探索新数据方法的良好环境” Ramneek Gupta 说。“能够预测晚期副作用最终将为我们提供采取预防措施和改善生活质量的机会，”与 Ramneek Gupta 共同担任资深作者的格斯克道加德补充道。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！