研究人员开发前列腺癌预测工具,它具有无与伦比的精度

CC BY-SA 3.0">

伊坎的一组研究人员在西奈山医学院,南加州大学凯克医学院(USC)已经开发出一种新颖的机器学习框架,区分了低收入和高危前列腺癌比以往更加精确。在描述的框架科学报告今天发表的论文,旨在帮助医生,特别是radiologists-more准确确定前列腺癌患者的治疗方案,减少不必要的临床干预的机会。

前列腺癌癌症是癌症死亡的主要原因之一在美国男人,仅次于肺癌。虽然前列腺癌研究中的最新进展已经拯救了许多生命,客观的预测工具,直到现在,仍是一个未满足的需求。

目前,标准方法用于评估前列腺癌风险multiparametric磁共振成像(mpMRI),检测前列腺病变,和前列腺成像报告和数据系统,版本2 (PI-RADS v2),五点计分系统分类病变发现mpMRI。在一起,这些工具旨在良好预测临床上重要的前列腺癌的可能性。然而,PI-RADS v2得分是主观的,不区分清楚中间与恶性肿瘤之间水平(成绩3、4、5),临床医师之间常常导致不同的解释。

结合机器学习与radiomics-a医学分支,使用算法来提取大量的定量特征从医学形象设计被提出作为一种方法来弥补这一缺点。然而,其它的研究只有数量有限的测试机器学习方法来解决这种限制。相比之下,西奈山和南加州大学的研究人员开发了一种预测框架,严格地和系统地评估许多这样的方法来识别表现最好的一个。框架还利用更大的训练比先前的研究和验证数据集。结果,研究人员能够分类患者前列腺癌癌症具有灵敏度高和更高的预测价值。

”通过与radiomics严格和系统结合机器学习,我们的目标是为放射科医生和临床人员提供一个良好的预测工具,可以最终转化为更有效和个性化的病人护理,“说Gaurav Pandey,博士,遗传学和基因组科学助理教授伊坎在西奈山医学院和高级的通讯作者发表与共同通讯作者Bino Varghese,研究放射学助理教授博士,南加州大学凯克医学院的。”的路径预测前列腺癌级数高的精度提高,而且我们相信我们的目标框架是一个急需的进步。”