机器学习预测化疗的副作用

DTU健康科技的科学家们利用人工智能结合临床文件和遗传学来预测病人的预后

资料来源:丹麦技术大学

睾丸癌症是年轻人最常见的癌症。全世界的新病例数量正在增加。如果及时发现并治疗得当，存活率相对较高，10年后存活率为95%。然而，标准的化疗包括顺铂，顺铂有广泛的长期副作用，其中之一可能是肾毒性。

在睾丸癌患者中，以顺铂为主化疗是保证高治愈率的关键。不幸的是，治疗会引起副作用，包括肾功能损害。然而，我们不能确定谁最终会产生副作用，谁不会，”Rigshospitalet的Jakob Lauritsen说。

患者数据是知识的关键

因此，研究人员提出了一个问题:我们可以在多大程度上预测这些患者的肾毒性风险机器学习？首先，它需要一些患者数据。“用一群睾丸癌的病人从丹麦——与Rigshospitalet合作,我们开发了一个机器学习预测模型来解决这个问题”萨拉·加西亚说,差卫生技术研究员,雅各布·劳里岑一起,最近发表的一篇文章的第一作者JNCI癌症频谱．

丹麦高质量的患者记录使关键患者得以识别，DMAC和YouDoBio之间的技术合作伙伴关系促进了使用邮政递送的唾液试剂盒从患者家中收集DNA。该项目最初由丹麦癌症协会资助，见证了基因组学和患者数据分析策略的发展，提出了人工智能整合不同数据流的前景。

对低风险患者的最佳预测

在化疗过程中产生了个体发生肾毒性的风险评分，并提出了可能起作用的关键基因。患者被分为高、低、中危。对于高风险患者，该模型能够正确预测67%的受影响患者，而对于低风险患者，该模型能够正确预测92%没有发生肾毒性的患者。

“在负责任的人工智能的未来，理解人工智能技术如何以及在何处应用于临床护理也越来越重要。尽管患者数据很复杂，但丹麦高质量的注册和临床研究为探索新的数据方法提供了良好的环境。”Ramneek Gupta说。“能够预测晚期的副作用将最终给我们提供采取预防措施和提高生活质量的机会”，与Ramneek Gupta共同撰写高级论文的Gedske Daugaard补充道。