携手健康网携手健康网

机器学习使胰腺癌的早期诊断更接近现实

发表在PLOS ONE 上的一项新研究表明,使用机器学习 (ML) 技术可以更早地识别出患胰腺癌风险较高的个体,这将导致更多的患者幸存下来。

该研究由伦敦卫生与热带医学学院 (LSHTM) 领导,并由英国慈善机构胰腺癌研究基金 (PCRF) 资助。

它使用了英国电子健康记录,记录了2005 年 1 月至 2009 年 6 月期间被诊断出患有胰腺癌的1000 多名年龄在 15-99 岁之间的患者。

研究人员检查了 GP 在癌症诊断前两年内记录的患者的多种症状和健康状况。然后,他们开发了一种算法,该算法“学习”了如何区分发展为胰腺癌的患者和未患胰腺癌的患者。

然后使用该算法仅从 GP 记录中识别出患胰腺癌的高风险人群。

使用这种技术,41% 的 60 岁以下患者在诊断前 20 个月被确定为高风险。超过 72% 继续被诊断出的人会被成功识别为高风险(敏感性),而 59% 未患癌症的人被正确识别为低风险(特异性)。60 岁以上患者的结果相似,43% 在 17 个月时确定,敏感性为 65%,特异性为 57%。

该团队估计,将他们的算法与简单的血液和尿液检测相结合,可能会检测出目前正在调查的胰腺癌,可能会导致 30 名老年患者和 400 名年轻患者被确定为“潜在患者”。这可能导致所有胰腺癌肿瘤中约 60% 的早期诊断。

作者承认,需要进一步的工作来确认、完善和评估这些发现在实践中的潜在用途。

伦敦卫生与热带医学学院的共同主要作者 Ananya Malhotra 博士说:“全世界每年有 460,000 人被诊断出患有胰腺癌,其中只有大约 5% 的人存活五年或更长时间。这低存活率是因为患者通常很晚才被诊断出来。最近在识别血液和尿液中的生物标志物方面取得了进展,但这些测试不能用于人群筛查,因为它们非常昂贵并且由于过度的心理困扰而可能有害测试。

“虽然是初步的,但这项研究为胰腺癌的新的早期诊断提供了一些希望,直到现在仍然难以捉摸。”

先前的研究强调了与胰腺癌诊断相关的疾病,如黄疸、腹痛和新发糖尿病。虽然这些新结果与这些发现一致,但这种方法是这些先前研究的一个阶段性变化,因为该团队检查了是否有可能根据超过 12 个月前的症状或异常组合的存在来预测未来的胰腺癌诊断,忽略晚期症状。

病例对照研究使用了与癌症登记相关的初级保健的匿名电子健康记录。病例包括 1,139 名年龄在 15-99 岁之间的患者,他们在 2005 年 1 月至 2009 年 6 月期间被诊断出患有胰腺癌。每个病例的年龄、性别和诊断时间都与四名非胰腺(癌症患者)对照相匹配。使用诊断前 24 个月的疾病和处方代码来识别 57 个个体症状,然后训练模型以预测后来发展为胰腺癌的患者。

该算法的最大潜力是在多重测试模型中,其中胰腺癌是几种感兴趣的恶性肿瘤之一。另一个重要发现是糖尿病随时间变化的症状在预测晚期胰腺癌诊断方面的相对重要性,这与之前的研究一致。

伦敦卫生与热带医学学院的研究资深作者 Laura Woods 博士说:“我们使用机器学习技术开发了胰腺癌 诊断的风险评分,以便识别生物标志物可能会在早期和早期检测到疾病的患者。可治疗阶段。进一步研究后,这种方法可以应用于初级保健环境,并有可能与非侵入性生物标志物测试一起使用,以增加早期诊断。这将导致更多的患者在这种破坏性疾病中幸存下来。”

胰腺癌研究基金首席执行官 Maggie Blanks 表示:“使用机器学习来帮助改善早期诊断确实很新颖,我们非常高兴这项试点研究显示出巨大的潜力。我们期待看到在哪里这项研究是领先的,因为早期诊断将改变游戏规则,提高患者的生存率。”

作者承认该研究的局限性,包括模型的特异性较差,主要是由于使用癌症患者作为对照,不能代表一般人群。

研究团队正在寻求更多资金,以将这项试点研究发展为一项全面调查。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。