人工智能方法可能有助于识别面临癌症复发高风险的黑色素瘤幸存者

大多数死于黑色素瘤(最致命的皮肤癌)的患者最初被诊断为黑色素瘤的早期阶段，后来经历了复发，通常直到扩散或转移才被发现。

马萨诸塞州总医院(MGH)的研究人员领导的一个团队最近开发了一种基于人工智能的方法，来预测哪些患者最有可能复发，从而有望从积极的治疗中受益。该方法在发表于精准肿瘤学．

大多数早期黑色素瘤患者都通过手术切除癌细胞但晚期癌症患者通常会接受免疫检查点抑制剂，有效加强免疫反应反对肿瘤细胞但也有明显的副作用。

MGH皮肤科研究员、资深作者Yevgeniy R. Semenov医学博士说:“迫切需要开发预测工具来帮助选择高危患者，对这些患者来说，免疫检查点抑制剂的好处将证明这种治疗类所观察到的高发病率的致病和潜在致命的免疫不良事件是合理的。”

“黑素瘤复发的可靠预测可以更精确地选择免疫治疗的治疗方案，减少转移性疾病的进展，提高黑素瘤生存率，同时最大限度地减少治疗毒性。”

为了帮助实现这一目标，Semenov和他的同事们评估了基于机器学习的算法的有效性人工智能该研究利用来自患者电子健康记录的数据来预测黑色素瘤复发。

具体来说，该团队收集了1720个早期黑色素瘤，其中1172个来自马萨诸塞州布里格姆医疗系统(MGB)， 548个来自丹纳-法伯癌症研究所(DFCI)，并从电子健康记录中提取了这些癌症的36个临床和病理特征，用机器学习算法预测患者的复发风险。在不同的MGB和DFCI患者组中开发并验证了算法，并将肿瘤厚度和癌细胞分裂率确定为最具预测性的特征。

Semenov说:“我们的综合风险预测平台使用新颖的机器学习方法来确定早期黑色素瘤复发的风险，达到了高水平的分类和时间到事件预测的准确性。”“我们的研究结果表明了这一点机器学习算法可以从临床病理特征中提取预测信号，用于早期黑色素瘤复发预测，这将有助于识别可能受益于辅助免疫治疗的患者。”

其他麻省综合医院的合著者包括Ahmad Rajeh, Michael R. Collier, Min Seok Choi, Munachimso Amadife, Kimberly Tang, Shijia Zhang, Jordan Phillips, Nora A. Alexander, Yining Hua, Wenxin Chen, Diane, Ho, Stacey Duey和Genevieve M. Boland。