一个预后模型可以预测非裔美国女性乳腺癌患者的生存率
根据11月2-5日在这里举行的第11届AACR种族/少数民族和医疗服务不足的癌症健康差异科学会议上发表的一项研究结果，使用机器学习方法开发的预后模型可以识别死亡风险增加的非裔美国乳腺癌患者。
“利用基因表达数据，我们开发了一种机器学习模式来准确地对非洲裔美国人进行分层乳腺癌患者死亡风险有高有低，这有助于为临床决策提供信息，”乔治亚州立大学生物系里图·阿内贾博士实验室的博士候选人Shristi Bhattarai说。“因为非裔美国女性的情况往往更糟乳房癌症这项研究将帮助我们确定该队列中基于种族的差异，这可能会为非裔美国女性乳腺癌患者提供特定的治疗方案。”
Bhattarai说，虽然欧美女性和非裔美国女性的乳腺癌发病率相似，但非裔美国女性乳腺癌患者的年龄调整死亡率要高出40%。她指出:“这种惊人的结果差异的病因是多因素的，是由社会经济不平等与非洲血统女性固有的更具侵略性的肿瘤生物学结合引起的。”“我们想要识别一种指纹，可以对非裔美国人乳腺癌进行分层病人不同的预后风险。”
利用来自癌症蛋白质组图谱(TCPA)的数据，Bhattarai和同事分析了蛋白质754例乳腺癌患者224种蛋白的表达水平。在这些患者中，620名是欧洲血统，134名是非裔美国人。作者解释说，他们开发的算法使研究人员能够识别与乳腺癌生存率相关的重要蛋白质组合。
深度学习算法确定了四种蛋白质的组合，用于最佳预后预测:bcl2样蛋白(BAX)、肌醇聚磷酸-4-磷酸酶、II型(INPP4B)、x射线修复交叉互补蛋白1 (XRCC1)和Cleaved Poly (adp -核糖)聚合酶(c-PARP)。这种蛋白质组合可以对高风险非洲裔乳腺癌患者进行分层，准确率为86%。
“有趣的是，这些蛋白质单独没有显著的预后价值，”合著者谢尔盖·克里莫夫(Sergey Klimov)说，他是佐治亚州立大学生物学系Ritu Aneja实验室的博士候选人。“然而，它们在机器学习模型中的综合作用可以识别出死亡风险增加5倍的非裔美国人群体。”
在控制了包括患者年龄和癌症分期在内的临床病理变量后，该模型可以识别出死亡风险增加近11倍的非裔美国女性。
研究人员无法使用这种特定的模型将欧美裔乳腺癌患者分为低高危人群，这表明该模型仅适用于非洲裔乳腺癌患者的预后。
Aneja说:“我们正在走向临床研究阶段，在这个阶段，我们可以为未充分研究的人口群体确定非常具体的模式，以找到高危患者，这样他们就可以被招募进行额外的治疗。”“我们很高兴我们的模型有潜力通知临床医生优先考虑非洲裔美国人乳腺癌患者进行适当的临床试验，也帮助患者决定是否参加特定的临床试验。”
本研究的局限性包括在其他队列中缺乏验证。“我们需要在不同的非裔美国乳腺癌患者群体中验证这个模型，”Aneja指出。“我们想要确保模型可以推广到不同的方法。”
进一步探索
