中国基因网您的位置:首页 >基因检测 >

AI使用DNA甲基化改善头颈癌的诊断

诊断头颈癌具有挑战性。区分头颈部鳞状细胞癌(HNSC)和原发性肺鳞状细胞癌(LUSC)的肺转移特别困难。然而,将它们彼此区分开可能具有重要的临床意义。现在,一组研究人员开发了一种基于差异DNA甲基化的机器学习算法,以区分头颈部转移灶和原发性肺鳞状细胞癌(LUSC)。AI方法能够以较高的准确度区分这两种类型,这表明它具有作为临床诊断工具的潜力。

AI使用DNA甲基化改善头颈癌的诊断

这项由德国柏林和海德堡几个小组进行的研究发表在《科学转化医学》上的一篇论文中,该论文题为“ DNA甲基化特征的机器学习分析将原发性肺鳞癌与头颈部转移区别开来。”

每年,德国有17,000多人被诊断出患有头颈癌。这些疾病包括口腔癌,喉癌和鼻子癌,但也可能影响头颈部的其他区域。一些头颈癌患者还将发展肺癌。

“在大多数情况下,无法确定它们是否代表患者的头颈癌或第二原发癌(即原发性肺癌)的肺转移,”该研究的共同作者弗雷德里克·克劳申(Med Frederick Klauschen)博士解释说。 。

克劳申强调说:“这种区别在治疗受这些癌症影响的人中非常重要。” “尽管手术可以为局部肺癌患者提供治愈方法,但转移性头颈癌患者的生存率却明显恶化,将需要进行放化疗等治疗。”

当试图区分转移灶和第二原发肿瘤时,病理学家使用已建立的技术,例如分析癌症的微结构和检测组织中的特征蛋白。但是,由于头颈癌和肺癌在这方面有明显的相似性,因此这些测试通常是不确定的。

基于先前的研究表明癌细胞中的DNA甲基化模式高度依赖于癌症起源的器官,研究小组测试了组织样本中的DNA甲基化。

该小组采用基于AI的方法来分析数百种头颈部和肺癌的DNA甲基化数据,以训练一个深层的神经网络来区分这两种类型的癌症。

他们对原发肿瘤进行了DNA甲基化分析,并训练了三种不同的机器学习方法来区分转移性HNSC和原发性LUSC。他们的人工神经网络在279例HNSC和LUSC以及正常肺部对照患者的验证队列中正确分类了96.4%的病例。

作者写道:“作为对该方法的独立临床验证,我们分析了51例具有HNSC和第二发肺肿瘤病史的患者,并根据临床病理特征证明了正确的分类”,并补充说:“我们的方法可能有助于可靠的诊断HNSC的肺转移与原发LUSC的区别,以指导治疗决策。”

克劳申(Klauschen)指出:“为了确保患有头颈癌和其他肺癌的患者尽快从我们的研究结果中受益,我们目前正在常规实践中对该诊断方法的实施进行测试。这将包括一项前瞻性验证研究,以确保可以为所有受影响的患者提供新方法。”

Klaus-RobertMüller博士 在理论计算机科学领域,该论文的作者指出:“人工智能不仅在我们的日常生活和工业中,而且在自然科学和医学研究中都发挥着越来越重要的作用。但是,在医学领域,人工智能的使用特别复杂。这就是为什么直到现在,研究结果很少能为患者带来直接好处的原因。现在情况可能会改变。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

推荐内容