新的机器学习模型提高了前列腺癌复发的预测
预测前列腺癌的病程具有挑战性，因为只有一小部分前列腺癌患者在根治性前列腺切除术或放射治疗后会复发。然而，前列腺癌仍然是男性最致命的恶性肿瘤之一。
现在，研究人员开发了一种机器学习模型，该模型将已知在前列腺癌中广泛存在的融合基因概况与常用的格里森评分和前列腺特异性抗原(PSA) 水平相结合。机器学习模型通过单独或组合临床测试持续改进前列腺癌复发的预测。结果报告在病理学杂志上。
“格里森评分和 PSA 水平在预测前列腺癌患者的临床结果方面取得了不同程度的成功，”匹兹堡匹兹堡大学医学院病理学系首席研究员 Jian-Hua Luo 医学博士解释说，宾夕法尼亚州，。“然而，它们对疾病机制的了解有限。已知基因融合事件在前列腺癌中广泛存在，但它们预测疾病进程的潜力尚不清楚。”
对来自多机构队列的数据进行了分析，其中包括宾夕法尼亚大学医学中心 (UPMC) 的 271 个根治性前列腺切除术样本、威斯康星大学麦迪逊分校的 191 个样本和斯坦福医学中心的 112 个样本。在来自组合队列的样本中检测到已知存在于前列腺癌中的所有 14 种融合基因。也可获得格里森和血清 PSA 评分。
研究人员首先使用 UPMC 数据开发了一个训练模型。将几种机器学习算法应用于融合基因分析数据，以确定 14 种融合基因组合的最佳参数，以预测前列腺癌复发。然后将最佳算法应用于整个训练队列以构建模型。
仅基于 Gleason 评分预测癌症复发的准确率为 77.9%，而仅 PSA 可正确预测 73.5% 的前列腺癌复发。当 Gleason 分数数据与融合数据一起纳入机器学习分析时，共有 442 个不同组合的模型显示组合模型的准确度超过 80%。
当单独使用 PSA 与融合数据相结合时，265 个不同组合的模型显示出超过 75% 的预测率。融合数据、格里森评分和 PSA 的组合提高了前列腺癌的预测;317 个模型产生了 80% 或更高的预测率。
接下来，使用来自 UPMC 队列的数据训练的 764 个机器学习模型被应用于斯坦福/威斯康星队列，然后应用于 UPMC/斯坦福/威斯康星队列。同样，融合数据、格里森评分和 PSA 的组合优于 PSA 或格里森评分单独或组合对癌症复发的预测。
如果癌症被预测为非复发，则 81.9% 的患者在手术后五年内没有复发，而如果他们的癌症被同一模型预测为复发，则只有 17.2% 的患者没有复发。使用 Gleason 加 PSA 模型，如果癌症被模型预测为非复发，则 78.3% 的患者没有癌症复发，如果癌症被预测为复发，则 26.2% 的患者在五年内没有癌症复发。
罗博士指出，融合基因的概况对临床患者管理具有附加价值，因为一些基因融合是产生前列腺癌的重要分子过程，而其他已知会使癌症对某些药物敏感。“分析中最大的惊喜之一是名为 CCNH-C5orf30 的融合基因被证明是有利临床结果的指标。癌细胞产生的基因组异常抑制癌症的侵袭性是不寻常的，”他说。
“融合基因的检测为前列腺癌进展提供了新的机制洞察力，从而能够采取积极措施，”罗博士观察到。“将融合基因检测纳入前列腺癌诊断方案有利于患者的诊断、预后、癌症进展监测和治疗。此外，如果这些机器学习模型在未来应用于临床实践，可能会挽救更多生命”
版权声明：本文由用户上传，如有侵权请联系删除！