新闻

bt356官网

菜单

使用机器学习模型更好地预测膀胱癌阶段

圣地亚哥超级计算机中心的研究人员找到了新的诊断方法

该图显示了膀胱癌的晚期阶段,蛋白质以橙色阴影,代谢物以浅绿色阴影显示。信用:elliot kim和valentina kouznetsova,san diego超级计算机中心和moores癌症中心,uc san diego

由于圣地亚哥超级计算机中心机器学习研究的进步,膀胱癌的侵入性和昂贵的诊断过程可能很快得到新型非侵入性诊断方法的帮助,这是美国最常见和最具攻击性的癌症之一。 (sdsc),moores癌症中心和curematch合并。

研究科学家igor tsigelny和valentina kouznetsova一直致力于开发机器学习(ml)模型,该模型可以查看患者的代谢物及其化学描述符。据研究人员称,该模型可准确地对患者膀胱癌的分期进行分类。 tsigelny是最近发表的一项研究的主要作者 代谢组学 期刊叫 “利用代谢物和机器学习识别膀胱癌的早期和晚期阶段”.

当患者经历膀胱癌的早期症状(例如,尿液中的血液,排尿时的疼痛等)时,当前的诊断方法通常是痛苦的,侵入性的一系列测试。

“从我的观点来看,患者可以很容易地给出尿液样本,我们的ml系统可以产生”红旗“分析结果,告诉他们立即去肿瘤科医生进行检测,”tsigelny说。 “我们相信很多早期阶段甚至更晚期的膀胱癌都未得到治疗,因为患者不注意调解身体的疼痛信号,并且可能认为引起症状的危险性较小。我们的机器学习模型使用代谢物和相应的基因来确定患者是否患有膀胱癌,如果是,则在何种阶段。

2018年,超过81,000名美国人被诊断患有膀胱癌,其中超过17,000人死于此病, 据统计 来自美国癌症协会。

“这项研究的目标是降低这个数字,我们相信机器学习模型可以帮助我们做到这一点,”kouznetsova说。 “使用各种计算工具,我们研究了与膀胱癌不同阶段相关的途径,这些途径可用于诊断和监测癌症进展。”

研究人员对该软件进行了培训 - 称为多层感知器或mlp - 以及患有不同疾病阶段的患者的尿液代谢物数据。每个阶段都有自己的代谢物特征。 “mlp分析与每个癌症阶段相关的代谢物组的化学描述符,并创建这些概况的ai模型,”kouznetsova解释说。

tsigelny,以及他在uc san diego的工作,是curematch的首席科学官和联合创始人,为个人癌症医学的医生提供决策支持。 sdsc主任michael norman是curematch顾问委员会的成员。

“有450万种可能性将大约300种fda批准的抗癌药物结合起来,同时针对多种癌症突变治疗,并确定每位患者的最佳组合治疗方法,”tsigelny解释说。 “虽然这项研究与目前的治疗方法无关,但未来可能会如此。”

eden romm是一名生物信息学专家,也为高中生(rehs)参与者elliot kim和alan zhu参加了这项研究。


媒体联系

金伯利曼恩布鲁赫, 858-822-3622, 。(必须启用javascript才能查看此电子邮件地址)

igor tsigelny, 858-822-0953 。(必须启用javascript才能查看此电子邮件地址)

uc san diego's 工作室十300 提供广播和电视连接,以便与我们的教师进行媒体采访。有关详情,请发送电子邮件 。(必须启用javascript才能查看此电子邮件地址).