癌细胞分裂过程中的癌细胞。图片来源：国立卫生研究院
与Rigshospitalet合作，来自DTU Health Technology的研究人员开发了一种机器学习模型，该模型可以预测与化学疗法有关的肾毒性，这在用顺铂治疗的患者中尤其明显。
睾丸癌是年轻男性中最常见的癌症。世界范围内新病例的数量正在增加。如果及时发现并适当治疗，存活率相对较高，10年后存活率可达95%。然而，标准化学疗法包括具有广泛长期副作用的顺铂，其中之一可能是肾毒性。
“在睾丸癌患者中，以顺铂为基础的化疗对于确保高治愈率至关重要。不幸的是，治疗可能会引起副作用，包括肾脏损害。但是，我们无法确定谁最终会产生副作用，谁没有副作用， ”来自Rigshospitalet的Jakob Lauritsen说。
患者数据是知识的关键
因此，研究人员提出了一个问题：使用机器学习预测这些患者的肾毒性风险有多远?首先，它需要一些患者数据。
DTU Health Technology的研究人员Sara Garcia与Jakob Lauritsen一起，是“与丹麦Rigshospitalet合作使用的一组睾丸癌患者，我们开发了一种机器学习预测模型来解决此问题。” JNCI癌症光谱杂志最近发表文章的第一作者。
高质量的丹麦患者病历可以识别出关键患者，而DMAC和YouDoBio之间的技术合作关系使他们可以使用邮政唾液盒从患者家中收集DNA。该项目最初由丹麦癌症协会资助，见证了基因组学和患者数据的几种分析策略的发展，提出了人工智能的希望，可以集成各种数据流。
低危患者的最佳预测
产生了一个个体在化疗期间发生肾毒性的危险评分，并提出了可能发挥作用的关键基因。将患者分为高，低和中等风险。对于高风险，该模型能够正确预测67%的患病患者，而对于低风险，该模型可以正确预测92%的未发生肾毒性的患者。
“了解如何将AI技术以及在何处应用到临床护理中，在负责任的AI的未来中也变得越来越重要。尽管患者数据非常复杂，但丹麦注册机构和临床研究的高质量使其成为探索新数据方法的理想环境” Ramneek Gupta说。Ramneek Gupta的联合资深作者Gedske Daugaard补充说：“能够预测晚期副作用最终将为我们提供预防行动和改善生活质量的机会。”
