Модель машинного обучения может позволить прогнозировать риск рака печени на основе обычной клинической информации

Модель машинного обучения может позволить прогнозировать риск рака печени на основе обычной клинической информации Американская ассоциация исследований рака под редакцией Сэди Харли, рецензия Эндрю Зинина Сэди Харли научный редактор Познакомьтесь с нашей редакцией За нашим редакционным процессом Андрей Зинин ведущий редактор Познакомьтесь с нашей редакцией За нашим редакционным процессом Примечания редакции Эта статья была проверена в соответствии с журналом Science X's. редакционный процесс и политика. Редакторы подчеркнули следующие атрибуты, обеспечивая при этом достоверность контента: проверенный фактами рецензируемое издание надежный источник корректура ГИСТ Добавить в качестве предпочтительного источника Модель машинного обучения, которая анализирует демографические данные пациентов, данные электронных медицинских карт и результаты обычных анализов крови, с высокой точностью предсказала риск развития у пациента гепатоцеллюлярной карциномы (ГЦК), наиболее распространенного типа рака печени. Таковы результаты исследования, опубликованного в журнале Cancer Discovery. Лица, у которых считается повышенный риск ГЦК, могут иметь право на скрининг рака на основе визуализации и крови, чтобы обеспечить раннее выявление заболевания; однако нынешние рекомендации ориентированы на узкую группу населения с высоким риском и не учитывают многих лиц из группы риска, объяснила Кэролин Шнайдер, доктор медицинских наук, состарший и корреспондент, а также доцент RWTH Ахенского университета в Германии. Шнайдер возглавлял исследование вместе с Якобом Катером, доктором медицинских наук, профессором клинического искусственного интеллекта в Техническом университете Дрездена, Германия. Ян Клусманн, доктор медицинских наук, первый автор исследования и учёный-клиницист Технического университета Дрездена. «Скрининг обычно рекомендуется пациентам с подтвержденным циррозом печени или тяжелым заболеванием печени, поскольку у этих пациентов встречается много случаев ГЦК, но есть много людей с недиагностированным циррозом печени или другими факторами риска, которым также может быть полезен скрининг рака печени», — сказал Шнайдер. Дополнительные факторы, повышающие риск развития ГЦК у пациента, включают, среди прочего, принадлежность к мужскому полу, курение и злоупотребление алкоголем, добавил Клусманн. «При таком большом количестве факторов, влияющих на риск, существует острая необходимость в эффективных инструментах, которые помогут врачам выявлять пациентов с высоким риском», — сказал он. «Инструменты машинного обучения, которые могут одновременно работать с различными типами клинических данных, могут быть особенно полезны для решения этой серьезной клинической задачи». В этом исследовании Клусманн, Катер, Шнайдер и их коллеги использовали данные Британского биобанка для разработки моделей машинного обучения, которые анализируют различные типы клинических данных для оценки риска ГЦК. Биобанк Великобритании содержал данные более чем 500 000 человек в Соединенном Королевстве и включал 538 случаев ГЦК, 69% из которых произошли у пациентов без предварительного диагноза цирроза печени, вирусного гепатита или других хронических заболеваний печени. Исследователи обучили свои модели на 80% данных из Британского биобанка и провели первоначальную проверку оставшихся 20%.