2018年3月15日报告
机器学习算法用于识别特定类型的脑肿瘤
一个国际研究小组的研究甲基化指纹数据作为输入使用机器学习算法来识别不同类型的脑肿瘤。在他们的论文发表在杂志上自然,研究小组描述了研究DNA甲基化指纹来创建一个系统能够识别中枢神经系统(CNS)肿瘤并报告其准确性。
准确地识别病人的特定的肿瘤类型对医生是困难的,因为可用的有限数量的测试和大量的种类也超过100,有待确认。在这个新的工作,研究人员研究了甲基化,其中甲基被添加到dna过程引起的变化函数,通常是通过抑制基因转录。甲基化是一个正常的过程,和它的一个特点是,它留下了独特的签名。注意的过程也发生在肿瘤细胞,研究人员开始使用指纹识别的存在等签名肿瘤细胞在一个示例。他们创造了一个系统基于机器学习算法使用甲基化指纹数据作为学习材料。
教系统识别和确定肿瘤类型,研究人员输入的数据来自2800个癌症患者和报告,现在能够识别91种中枢神经系统肿瘤。他们测试系统与肿瘤数据从1104年发现肿瘤患者。系统发现,大约12%的肿瘤被误诊。
研究人员注意到,除了为肿瘤提供新的工具识别新病人,系统也能够辨别是否一个给定的肿瘤是以前没有发现,绕过医生感觉压力的常见分类肿瘤属于已知的类型。使系统更平易近人,团队把他们的系统在线免费。作为他们的论文的发表,系统已经超过4500次访问,表明人们发现它有用。这样的广泛使用,研究人员注意,只会提高系统的准确性,希望在发现新的援助肿瘤类型。
更多信息:大卫封口机等。DNA methylation-based中枢神经系统肿瘤分类自然(2018)。DOI: 10.1038 / nature26000
文摘
准确的病理诊断为癌症患者优化管理是至关重要的。大约100个已知的肿瘤类型的中枢神经系统,诊断过程的标准化已被证明是特别具有挑战性的重大inter-observer可变性在许多肿瘤的组织病理学诊断类型。在这里,我们提出一个全面的方法DNA methylation-based中枢神经系统肿瘤分类在所有实体和年龄段,并展示在常规诊断中的应用设置。我们表明,该方法的可用性可能产生重大影响的诊断精度标准方法相比,导致诊断的改变前瞻性病例的12%。对于更广泛的可访问性,我们设计了一个免费的在线分类器工具,使用它不需要任何额外的现场数据处理。我们的研究结果提供了一个蓝图machine-learning-based肿瘤的生成分类器在其他癌症的实体,有可能从根本上改变肿瘤病理学。
©2018医疗欧宝娱乐地址Xpress
