人工智能方法有助于识别面临癌症复发高风险的黑色素瘤患者

研究人员开发并验证了一种基于机器学习的方法，以预测哪些早期黑色素瘤患者最有可能经历癌症复发。

黑素瘤是皮肤癌中最致命的一种，大多数死于黑素瘤的患者最初被诊断为早期黑素瘤，后来复发，通常在扩散或转移后才被发现。

马萨诸塞州总医院（MGH）研究人员领导的一个团队最近开发了一种基于人工智能的方法，以预测哪些患者最有可能复发，因此有望从积极治疗中获益。该方法在npj Precision Oncology发表的一项研究中得到了验证。

大多数早期黑色素瘤患者通过手术去除癌细胞进行治疗，但晚期癌症患者通常会接受免疫检查点抑制剂，这可以有效增强对肿瘤细胞的免疫反应，但也会产生显著的副作用。

MGH皮肤科研究员、资深作者Yevgeniy R.Semenov博士表示：“迫切需要开发预测工具，以帮助选择高风险患者，免疫检查点抑制剂的益处将证明该治疗类别观察到的高发病率和潜在致命免疫不良事件是合理的。”

“对黑色素瘤复发的可靠预测可以使免疫治疗的治疗选择更加精确，减少转移性疾病的进展，提高黑色素瘤的生存率，同时最大限度地减少治疗毒性的暴露。”

为了帮助实现这一目标，Semenov和他的同事评估了基于机器学习的算法的有效性，机器学习是人工智能的一个分支，它使用患者电子健康记录中的数据来预测黑色素瘤复发。

具体而言，该团队收集了1720例早期黑色素瘤，其中1172例来自马萨诸塞州布里格姆医疗保健系统（MGB），548例来自达纳法伯癌症研究所（DFCI），并从电子健康记录中提取了这些癌症的36个临床和病理特征，用机器学习算法预测患者的复发风险。开发了各种MGB和DFCI患者集的算法并对其进行了验证，肿瘤厚度和癌细胞分裂率被确定为最具预测性的特征。

塞梅诺夫说：“我们的综合风险预测平台使用新的机器学习方法来确定早期黑色素瘤复发的风险，达到了高级别的分类和事件时间预测准确性。我们的结果表明，机器学习算法可以从临床病理特征中提取预测信号，用于早期黑色素瘤复发预测，这将能够识别可能受益于辅助免疫治疗的患者。”