新功能、新界面、新体验,扫描即可下载生物谷APP!
首页 » Science报道 » Science子刊:新方法可区分与头颈癌相关和不相关的肺肿瘤

Science子刊:新方法可区分与头颈癌相关和不相关的肺肿瘤

来源:本站原创 2019-09-13 16:13

2019年9月13日讯/生物谷BIOON/---在一项新的研究中,来自德国多个研究机构的研究人员测试了几种机器学习算法,以了解它们如何识别与头颈癌相关的肺肿瘤(即由头颈癌转移到肺部形成的肺转移瘤)和与头颈癌不相关的肺肿瘤(即原发性肺肿瘤)之间的差异。相关研究结果发表在2019年9月11日的Science Translational Medicine期刊上,论文标题为“Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases”。在这篇论文中,他们描述了这些算法以及它们在测试时的效果。
图片来自Philipp Jurmeister。

正如这些研究人员指出的那样,患有头颈瘤的患者也有患上继发性肺肿瘤的风险。但有时候,这类患者还会患上与头颈癌无关的原发性肺肿瘤。重要的是,治疗这些患者的医生必须能够区分这些肺肿瘤类型,这是因为每种肺肿瘤类型都需要不同的治疗方法。此外,这些研究人员还指出,一种癌症类型,特别是头颈鳞状细胞癌(head and neck squamous cell carcinoma, HNSC),一旦扩散到身体的其他部位,如肺部,就被认为是无法治愈的。但是,另一种称为肺鳞状细胞癌(lung squamous cell carcinoma, LUSC)的癌症类型通常可以通过手术治愈。因此,医生尽可能快速准确地识别它们至关重要。不幸的是,目前还没有区分这些肿瘤类型的技术。在这项新的研究中,这些研究人员测试了三种基于神经网络的机器学习算法,以观察它们能够做得多好。其中的一种机器学习算法是他们还开发出的一种称为人工神经网络(artificial neural network)的算法,另外两种机器学习算法是支持向量机(support vector machines)和随机森林(random forests)。

一旦这些算法准备好使用,这些研究人员就通过给它们提供来自1071名患有肺鳞状细胞癌或头颈鳞状细胞癌的患者的生化样品数据,同时还给它们提供来自具有健康肺部的人的样品,从而教导它们区分不同的肺肿瘤类型。他们报道在区分这些肺肿瘤类型方面,人工神经网络表现最佳,准确率为96.4%,支持向量机和随机森林的准确率分别为95.7%和87.8%。他们还报道在另一项针对具有头颈鳞状细胞癌病史的患者的测试中,人工神经网络表现最佳,准确率大约为98%。

这些研究人员指出他们的结果是有前景的,但也注意到,还需开展更多的研究来确保人工神经网络在真实环境中发挥作用。他们还想知道它是否适用于身体其他部位的肿瘤。(生物谷 Bioon.com)

参考资料:

1.Philipp Jurmeister et al. Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases, Science Translational Medicine (2019). DOI: 10.1126/scitranslmed.aaw8513.

2.Algorithm able to accurately see differences between cancerous lung tumors
https://medicalxpress.com/news/2019-09-algorithm-accurately-differences-cancerous-lung.html
版权声明:本文系生物谷原创编译整理,未经本网站授权不得转载和使用。如需获取授权,请点击
温馨提示:87%用户都在生物谷APP上阅读,扫描立刻下载! 天天精彩!


相关标签

最新会议 培训班 期刊库