Novi alat za predviđanje raka prostate nema točnosti

Trenutni alati koji se koriste za predviđanje progresije raka prostate općenito su subjektivne prirode, što dovodi do različitih tumačenja među kliničarima

Tim istraživača s Medicinskog fakulteta Icahn na Mount Sinai i Medicinskog fakulteta Keck na Sveučilištu Južne Kalifornije (USC) razvili su novi okvir za strojno učenje koji razlikuje preciznije od raka prostate niskog i visokog rizika. ikad prije. Okvir, opisano u danas objavljenom znanstvenom izvješću, ima namjeru pomoći liječnicima-osobito, radiolozi-točnije identificiraju mogućnosti liječenja pacijenata s rakom prostate, smanjujući mogućnost nepotrebne kliničke intervencije.

Rak prostate jedan je od vodećih uzroka smrti od raka kod američkih muškaraca, odmah iza raka pluća. Nedavni napredak u istraživanju raka prostate spasio je mnoge živote, alati objektivnog predviđanja imaju, do sada, ostala neispunjena potreba.

Sada, standardne metode koje se koriste za procjenu rizika od raka prostate su multiparametrijska magnetska rezonancija (mpMRI), koji otkriva lezije prostate, i Sustav izvješćivanja i podataka o snimanju prostate, verzija 2 (PI-RADS v2), sustav bodovanja u pet točaka koji klasificira lezije pronađene na mpMRI. Zajedno, ti alati imaju za cilj pouzdano predvidjeti vjerojatnost klinički značajnog raka prostate. Međutim, Bodovanje PI-RADS v2 subjektivno je i ne pravi jasnu razliku između srednje i maligne razine raka (ocjena 3, 4, i 5), što često dovodi do različitih tumačenja među kliničarima.

Kombiniranje strojnog učenja s radiomijom-grana medicine koja koristi algoritme za izdvajanje velikih količina kvantitativnih karakteristika iz medicinskih slika-predloženo je kao pristup za uklanjanje ovog nedostatka. Međutim, druge studije su testirale samo ograničen broj metoda strojnog učenja kako bi riješile ovo ograničenje. U kontrastu, istraživači Mount Sinai i USC razvili su okvir predviđanja koji je rigorozno i ​​sustavno procjenjivao mnoge takve metode kako bi identificirao onu s najboljim učinkom. Okvir također koristi veće skupove podataka o obuci i validaciji nego što su to činile prethodne studije. Kao rezultat, istraživači su uspjeli klasificirati karcinom prostate pacijenata s visokom osjetljivošću i još većom prediktivnom vrijednošću.

"Strogo i sustavno kombinirajući strojno učenje s radiomijom, naš cilj je pružiti radiolozima i kliničkom osoblju zvučan alat za predviđanje koji se na kraju može prevesti u učinkovitiju i personaliziranu skrb o pacijentima, "rekao je Gaurav Pandey, Doktor znanosti, Docent za genetiku i genomske znanosti na Medicinskom fakultetu Icahn na brdu Sinaj i viši odgovarajući autor publikacije zajedno sa suodgovarajućim autorom Binom Vargheseom, Doktor znanosti, Docent za istraživačku radiologiju na Medicinskom fakultetu Keck u USC -u. "Put do predviđanja napredovanja raka prostate s velikom točnošću se uvijek poboljšava, i vjerujemo da je naš objektivni okvir prijeko potreban napredak. "

• Stručnjaci istražuju uključenost crijeva u Parkinsonovu bolest
• Zebrica nudi tragove za ublažavanje gastrointestinalnih tegoba povezanih s autizmom