机器学习模型可以利用常规临床信息预测肝癌风险

机器学习模型可以利用常规临床信息预测肝癌风险 由美国癌症研究协会 编辑者 萨迪·哈雷 (Sadie Harley)，安德鲁·齐宁 (Andrew Zinin) 评论 萨迪·哈雷 科学编辑 认识我们的编辑团队 我们的编辑流程背后 安德鲁·齐宁 主编 认识我们的编辑团队 我们的编辑流程背后 编者注 本文已根据 Science X 审阅 编辑过程 和政策。 编辑们强调了 在确保内容可信度的同时具有以下属性： 经过事实核查 同行评审出版物 可信来源 校对 胃肠道间质瘤 添加为首选来源 机器学习模型分析患者人口统计数据、电子健康记录数据和常规血液检查结果，可以高精度预测患者患肝细胞癌 (HCC)（最常见的肝癌类型）的风险。这些是发表在《癌症发现》上的一项研究的结果。 被认为患有 HCC 风险较高的个人可能有资格接受基于影像和血液的癌症筛查，以便及早发现该疾病；然而，目前的指南只针对狭窄的高危人群，而忽略了许多高危人群，德国亚琛工业大学的共同资深作者、通讯作者、助理教授卡罗琳·施耐德医学博士解释道。 施耐德与德国德累斯顿工业大学临床人工智能教授雅各布·凯瑟（Jakob Kather）共同领导了这项研究。 Jan Clusmann 医学博士是该研究的第一作者，也是德累斯顿工业大学的临床医生科学家。 Schneider 说：“通常建议对确诊为肝硬化或严重肝病的患者进行筛查，因为许多 HCC 病例发生在这些患者身上，但许多患有未确诊肝硬化或其他危险因素的人也可能受益于肝癌筛查。” Clusmann 补充说，增加患者患 HCC 风险的其他因素包括男性、吸烟和大量饮酒等。 “影响风险的因素如此之多，迫切需要有效的工具来帮助临床医生识别高风险患者，”他说。 “可以同时处理不同类型临床数据的机器学习工具对于这一重大临床挑战特别有用。” 在这项研究中，Clusmann、Kather、Schneider 及其同事使用英国生物银行的数据开发机器学习模型，分析不同类型的临床数据以评估 HCC 风险。英国生物银行包含来自英国超过 500,000 人的数据，其中包括 538 例 HCC 病例，其中 69% 发生在先前未诊断出肝硬化、病毒性肝炎或其他慢性肝病的患者中。 研究人员利用英国生物银行 80% 的数据训练模型，并对剩余 20% 的数据进行初步验证。