Подход с использованием искусственного интеллекта может помочь выявить выживших после меланомы, которые сталкиваются с высоким риском рецидива рака

Большинство смертей от меланомы — самой смертельной формы рака кожи — происходит у пациентов, у которых изначально была диагностирована меланома на ранней стадии, а затем у них возник рецидив, который обычно не обнаруживается до тех пор, пока он не распространится или не даст метастазов.


Группа под руководством исследователей из Массачусетской больницы общего профиля (MGH) недавно разработала метод, основанный на искусственном е, для прогнозирования того, у каких пациентов с наибольшей вероятностью возникнет рецидив и, следовательно, ожидается, что агрессивное лечение принесет пользу. Этот метод был подтвержден в исследовании, опубликованном в npj Прецизионная онкология.

Большинству пациентов с ранней стадией меланомы проводят операцию по удалению раковых клеток, но пациенты с более поздними стадиями рака часто получают ингибиторы иммунных контрольных точек, которые эффективно усиливают иммунный ответ против опухолевых клеток, но также имеют значительные побочные эффекты.

«Существует острая необходимость в разработке прогностических инструментов для помощи в отборе пациентов с высоким ом, для которых преимущества ингибиторов иммунных контрольных точек оправдывали бы высокий уровень патологических и потенциально фатальных иммунологических побочных эффектов, наблюдаемых при использовании этого терапевтического класса», — говорит старший. автор Евгений Р. Семенов, доктор медицинских наук, научный сотрудник отделения дерматологии MGH.

«Надежное прогнозирование рецидива меланомы может обеспечить более точный выбор лечения для иммунотерапии, уменьшить прогрессирование до метастатического заболевания и улучшить выживаемость при меланоме, сводя к минимуму воздействие токсичности лечения».

Чтобы добиться этого, Семенов и его коллеги оценили эффективность алгоритмов, основанных на машинном обучении, ветви искусственного интеллекта, которые использовали данные из электронных медицинских карт пациентов для прогнозирования рецидива меланомы.

В частности, команда собрала 1720 меланом на ранней стадии — 1172 из системы здравоохранения Mass General Brigham (MGB) и 548 из Института рака Дана-Фарбер (DFCI) — и извлекла 36 клинических и патологических признаков этих видов рака из электронного здравоохранения. записи для прогнозирования риска рецидива у пациентов с помощью алгоритмов машинного обучения. Алгоритмы были разработаны и проверены с различными наборами пациентов MGB и DFCI, а толщина опухоли и скорость деления раковых клеток были определены как наиболее прогностические признаки.

«Наша комплексная платформа прогнозирования риска, использующая новые подходы машинного обучения для определения риска рецидива меланомы на ранней стадии, достигла высокого уровня классификации и точности прогнозирования времени до события», — говорит Семенов. «Наши результаты показывают, что алгоритмы машинного обучения могут извлекать прогностические сигналы из клинико-патологических признаков для прогнозирования рецидива меланомы на ранней стадии, что позволит идентифицировать пациентов, которым может помочь адъювантная иммунотерапия».

Среди дополнительных соавторов Mass General – Ахмад Радже, Майкл Р. Коллиер, Мин Сок Чой, Муначимсо Амадифе, Кимберли Тан, Шицзя Чжан, Джордан Филлипс, Нора А. Александр, Инин Хуа, Венсинь Чен, Дайан, Хо, Стейси Дьюи и Женевьева М. Боланд.