新的机器学习模型提高了预测前列腺癌的复发

预测前列腺癌的课程是具有挑战性的,因为只有一小部分前列腺癌患者根治性前列腺切除术后复发或放射治疗经验。然而,前列腺癌是男性最致命的恶性肿瘤之一,在美国。

现在,研究人员已经开发出一种机器学习模型相结合的融合基因是广泛的前列腺癌常用的格里森评分和前列腺特异性抗原(PSA)水平。持续改进的机器学习模型预测前列腺癌癌症递归的临床试验单独或结合在一起。结果报告美国病理学杂志》上。

“格里森评分和PSA水平一直使用不同的成功预测前列腺癌患者的临床结果,”首席研究员解释建华罗,医学博士,博士,病理学,匹兹堡大学医学院的匹兹堡,PA,美国. .“不过,他们提供有限的了解疾病的机制。基因融合事件被广泛在前列腺癌,但他们的潜力预测疾病的过程是未知的。”

数据从多机构研究队列,其中包括271份根治性前列腺切除术来自宾夕法尼亚大学医学中心(UPMC), 191从威斯康星大学麦迪逊分校,112年从斯坦福大学医学中心进行了分析。所有已知14的融合基因在前列腺癌的样本被检测出队列相结合。格里森和血清PSA分数也可用。

研究人员首次开发使用UPMC数据训练模型。几个机器学习算法被应用于融合基因分析数据来确定14融合基因的最佳参数组合预测前列腺癌复发。最好的算法被应用于整个培训群体建立一个模型。

癌症复发的预测基于格里森评分仅77.9%的准确率,和PSA正确预测前列腺癌复发的73.5%。当格里森评分数据合并在机器学习与数据融合分析,共有442个不同组合的模型显示合并后的模型的精度在80%以上。

仅当PSA结合融合数据,265年的模型不同的组合显示预测率在75%以上。融合数据的组合,格里森评分和PSA改善前列腺癌的预测;317模型的预测利率收益率为80%或更好。

接下来,764年机器学习模型训练使用UPMC队列的数据应用于斯坦福/威斯康辛队列,然后UPMC /斯坦福/威斯康辛队列。融合数据的组合,格里森评分,PSA超过癌症复发的预测由PSA或格里森评分单独或组合。

癌症手术后五年没有复发的癌症被预测为81.9%的患者如果不反复出现的,而只有17.2%的患者复发免费如果癌症复发的预测模型相同。格里森+ PSA模型,78.3%的病人没有癌症复发如果癌症不再发生的的预测模型,和26.2%的患者没有癌症复发了五年预测如果癌症复发。

罗博士指出,资料融合基因的附加值为临床病人管理因为一些基因融合是重要的分子过程产生前列腺癌,而另一些是已知的癌症容易受到某些药物。”一个惊喜在分析融合基因被称为CCNH-C5orf30原来是良好的临床结果的指标。这是不寻常的基因组异常造成的癌症细胞抑制癌症的侵略性,”他说。

的检测融合基因提供了新的机械的深入了解前列腺癌的进展使积极的措施,”罗博士观察到。“融合基因检测的公司前列腺癌癌症诊断方案好处诊断方面,患者预后,癌症发展监测和治疗。进一步说,如果这些应用于机器学习模型临床实践在未来,更多的生命得救。”