机器学习让胰腺癌的早期诊断更接近现实

发表在《科学》杂志上的一项新研究表明，使用机器学习(ML)技术，胰腺癌高危人群可以更早被识别出来，这将导致更多的患者生存下来《公共科学图书馆•综合》．

这项研究由伦敦卫生与热带医学学院(LSHTM)领导，由英国慈善机构胰腺癌研究基金(PCRF)资助。

过去英国电子健康记录超过1000名15-99岁的患者被诊断患有胰腺癌2005年1月至2009年6月期间

研究人员检查了全科医生记录的患者在癌症确诊前两年的众多症状和健康状况。然后，他们开发了一种算法，该算法“学会”如何区分患胰腺癌的患者和没有患胰腺癌的患者。

该算法随后被用来从全科医生的病历中识别出胰腺癌高危人群。

使用这种技术，在诊断前20个月，60岁以下的患者中有41%被确定为高危患者。超过72%的患者被诊断为高风险(敏感性)，而59%的未患癌症的患者被正确诊断为低风险(特异性)。对于60岁以上的患者，结果相似，43%的患者在17个月时确诊，敏感性为65%，特异性为57%。

该团队估计，将他们的算法与目前正在研究中的简单的血液和尿液检测相结合，可能会发现每个癌症患者中有30名老年患者和400名年轻患者被确定为“潜在患者”。这可能导致60%左右的胰腺癌肿瘤得到早期诊断。

作者承认，需要进一步的工作来确认、完善和评估这些发现在实践中的潜在用途。

来自伦敦卫生与热带医学学院的共同主要作者Ananya Malhotra博士说:“每年，全球有46万人被诊断为胰腺癌，只有大约5%的患者能存活5年或更长的时间。这种低生存率是因为患者通常很晚才被诊断出来。最近在识别血液和尿液中的生物标记物方面取得了进展，但这些测试不能用于人口筛查，因为它们非常昂贵，而且由于过度测试的心理压力，可能有害。

“虽然只是初步研究，但这项研究为迄今为止仍难以确诊的胰腺癌的早期诊断提供了一些希望。”

先前的研究强调了与胰腺癌诊断相关的条件，如黄疸、腹痛和新发糖尿病。虽然这些新结果符合这些发现,这种方法是改变从这些先前的研究,因为团队检查是否可以预测未来胰腺癌基础上结合症状或异常的存在比12个月前诊断、忽视晚期症状。

病例对照研究使用了与癌症注册相关的初级保健的匿名电子健康记录。病例包括1139名在2005年1月至2009年6月期间被诊断为胰腺癌的患者，年龄15-99岁。每个病例的年龄、性别和诊断时间与4个非胰腺(癌症患者)对照相匹配。诊断前24个月的疾病和处方代码被用来识别57种单独的症状，然后训练模型来预测患者后来发展为胰腺癌。

该算法的最大潜力是在多检测模型中，胰腺癌是几个感兴趣的恶性肿瘤之一。另一个重要的发现是，随着时间变化的症状，糖尿病在预测晚期胰腺癌诊断中的相对重要性，这与以前的研究一致。

伦敦卫生与热带医学学院的劳拉·伍兹博士是这项研究的资深作者，她说:“利用机器学习技术，我们开发了一个风险评分胰腺癌症诊断为了识别那些生物标志物可能在早期和可治疗阶段检测到疾病的患者。经过进一步的研究，这种方法可以应用于初级保健环境，并有可能与非侵入性生物标志物检测一起使用，以提高早期诊断。这将导致更多的病人从这种毁灭性的疾病中幸存下来。”

胰腺癌研究基金的首席执行官Maggie Blanks说:“使用机器学习帮助改善早期诊断确实是一种新颖的方法，我们非常高兴这项初步研究显示出了强大的潜力。我们期待看到这项研究的进展，就像早些时候一样诊断将改变游戏规则，提高患者的存活率。”

作者承认该研究的局限性，包括模型的特异性差，主要是由于使用癌症作为对照的患者不能代表一般人群。

该研究小组正在寻求进一步的资金，将这项试点研究发展为全面调查。

---

---