使用机器学习模型更好地预测膀胱癌分期

膀胱癌是美国最常见和最具侵袭性的癌症之一，由于圣地亚哥超级计算机中心(SDSC)、穆尔斯癌症中心和CureMatch公司在机器学习研究方面的进步，一种新的非侵入性诊断方法可能很快会帮助膀胱癌的侵入性和昂贵的诊断过程。

研究科学家Igor Tsigelny和Valentina Kouznetsova一直致力于开发一种机器学习(ML)模型，查看患者的代谢物及其化学描述符。该模型准确地划分了的阶段膀胱癌根据研究人员的说法，在一个病人身上。茨格尔尼是最近发表在《美国医学杂志》上的一项研究的主要作者代谢组学《利用代谢物和机器学习识别膀胱癌早期和晚期》杂志。

当病人出现膀胱的早期症状时癌症(如尿血、排尿时疼痛等)，目前的诊断方法往往是痛苦的、有创的一系列检查。

Tsigelny说:“从我的角度来看，患者可以很容易地提供尿液样本，我们的ML系统可以产生一个‘红色信号’分析结果，告诉他们立即去肿瘤科医生那里进行测试。”“我们认为，很多早期甚至更晚期的膀胱癌都没有得到治疗，因为患者没有注意到身体发出的疼痛信号，可能认为是一些不太危险的问题导致了这些症状。我们的机器学习模型使用代谢物和相应的基因来确定患者是否患有膀胱癌，如果是的话，处于什么阶段。”

根据美国癌症协会的统计数据，2018年，超过8.1万名美国人被诊断出患有膀胱癌，其中超过1.7万人死于这种疾病。

“这项研究的目标是降低这个数字，我们相信机器学习模型可以帮助我们做到这一点，”库兹涅佐娃说。“使用各种计算工具，我们研究了与膀胱癌不同阶段相关的途径，这些途径可用于诊断和监测癌症进展。”

研究人员使用疾病不同阶段患者的尿液代谢物数据来训练这个被称为多层感知器(MLP)的软件。每个阶段都有自己的代谢物概况。“MLP分析与癌症每个阶段相关的代谢物组的化学描述符，并创建这些配置文件的AI模型，”Kouznetsova解释说。

在加州大学圣地亚哥分校工作的Tsigelny是CureMatch的首席科学官和联合创始人，该公司为个性化癌症药物的医生提供决策支持。SDSC主任Michael Norman是CureMatch咨询委员会的成员。

“CureMatch有450万种可能组合约300种fda批准的癌症药物，可以同时针对多种癌症突变，并为每位患者确定最佳的联合治疗方案，”Tsigelny解释道。“虽然这项研究与CureMatch目前的任务无关，但它在未来可能会变得如此。”

CureMatch的生物信息学专家Eden Romm和SDSC高中生研究经验(REHS)参与者Elliot Kim和Alan Zhu也参与了这项研究。