Американские ученые разработали инструмент на основе машинного обучения, который может предсказать первичную локализацию опухоли в случае, если другие методы оказались неэффективными. Благодаря этому можно будет подбирать более подходящие и эффективные схемы лечения для пациентов с раком с неизвестной первичной локализацией. Исследование опубликовано в журнале Nature Medicine.
Первичную локализацию раковой опухоли обычно определяют с помощью радиологических и гистологических исследований. Однако примерно в 3–5% случаев первичную локализацию стандартными методами определить невозможно. Для пациентов с раковыми опухолями с неизвестной первичной локализацией трудно подобрать «точные» лекарства, одобренные для того или иного типа рака. Такие лекарства имеют меньше побочных эффектов и более эффективны по сравнению с лекарствами широкого спектра действия, которые врачи вынуждены назначать пациентам за неимением лучших вариантов.
Американские ученые разработали инструмент на основе машинного обучения OncoNPC, который способен предсказывать первичную локализацию опухоли. Чтобы обучить модель, ученые использовали набор данных для 36 445 пациентов с известной первичной локализацией опухоли, которые проходили лечение в трех крупных раковых центрах. Для каждого пациента была доступна клиническая информация, а также данные генетического секвенирования для 400 генов, которые могут быть мутированы при раке. Затем ученые протестировали модель на наборе данных для 7 тысяч пациентов. Модель смогла правильно предсказать первичную локализацию опухоли в 80% случаев. При этом модель показывала высокий индекс уверенности для 65% случаев, и среди них точность составила 95%. Затем ученые проверили с помощью инструмента базу данных с данными по 971 пациенту с опухолями неизвестной первичной локализации. Модель показала высокий индекс уверенности в своих предсказаниях для 41,2% случаев (400 из 971). Чтобы проверить предсказания, ученые рассмотрели, какой генетический риск развития рака был у каждого пациента. Оказалось, что предсказания модели в основном совпадали с риском, который можно было бы предположить, основываясь на генетической предрасположенности.
После этого ученые постарались выяснить, насколько OncoNPC был бы полезен для пациентов. Они рассмотрели исходы пациентов с опухолями неизвестной первичной локализации. У пациентов, которые получали лечение, соответствовавшее предсказанной первичной локализации, в соответствии с догадками своего врача, уровень выживаемости был выше по сравнению с теми, кто не получал подходящее лечение. Кроме того, благодаря OncoNPC можно было бы предоставить более эффективное направленное лечение в 2,2 раза большему числу пациентов.
Ученые отметили, что пока что проверяли инструмент только на ретроспективных данных. В дальнейшем OncoNPC нужно проверить в настоящих клинических испытаниях, чтобы он действительно мог помогать врачам в постановке диагноза. Исследователи также надеются «научить» модель определять первичную локализацию по более широкому спектру данных: например, не только по данным генетического секвенирования, но и по гистологическим или радиологическим изображениям. В будущем такая модель может научиться предсказывать не только тип опухоли, но и исход пациента, а также с помощью такого инструмента можно будет подбирать оптимальные схемы лечения.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
