机器学习为胰腺癌带来了早期诊断，更接近现实的一步

使用机器学习（ml）技术可以识别出胰腺癌较高风险的个体，这将导致患有疾病的患者更多的患者，表明一项新的研究普罗斯一体。

该研究由伦敦卫生和热带医学学院（LSHTM）领导，由英国慈善胰腺癌研究基金（PCRF）资助。

它使用了英国电子健康记录超过1,000名15-99岁的患者被诊断患有胰腺癌2005年1月至2009年6月之间。

研究人员在癌症诊断前两年后，在患者中检测了众多症状和健康状况，高达两年的患者。然后，他们开发了一种算法，该算法是“学习”如何区分患者，这些患者与那些没有的人开发胰腺癌。

然后使用该算法鉴定高危来自GP记录的胰腺癌高风险的算法。

使用这种技术，41％的患者在60岁以下被鉴定为高风险，在诊断前长达20个月。超过72％的被诊断的人将被成功被确定为高风险（敏感性），而59％的未发展癌症的人被正确地确定为低风险（特异性）。结果与60多个患者相似，在17个月内鉴定了43％，灵敏度为65％和57％。

该团队估计，将其算法与简单的血液和尿液试验相结合，这可能导致目前正在调查的胰腺癌，可能导致30岁以上的患者和400名较年轻的患者被确定为“潜在患者”。这可能导致较早的诊断约占所有胰腺癌肿瘤的60％。

作者承认，需要进一步的工作来确认，精炼和评估这些发现的潜在使用。

伦敦卫生和热带医学学院的联合主导作者Ananya Malhotra博士说：“每年，全球46万人被诊断出患有胰腺癌，只有约5％的诊断为5年或更长时间的人存活。这个低生存是因为患者通常很晚才被诊断出来。最近在鉴定血液和尿液中的生物标志物进行了进展，但这些测试不能用于人口筛查，因为由于过度的心理困扰，它们将是非常昂贵的且可能有害的。测试。

“虽然初步，但本研究为胰腺癌的新早期诊断提供了一些希望，直到现在仍然难以捉摸。”

以前的研究突出了与胰腺癌诊断相关的病症，如黄疸，腹痛和新出售糖尿病。虽然这些新结果与这些调查结果一致，但这种方法是对这些研究的一步变化，因为该团队在检查是否有可能根据症状或异常的存在前12个月之前预测未来的胰腺癌诊断，无视晚期症状。

案例对照研究使用与癌症注册有关的初级保健的匿名电子健康记录。案件由1,139名患者组成，15-99岁，诊断为2005年1月至2009年6月患者。每种情况都是年龄，性和诊断时间与四种非胰腺（癌症患者）对照组成。诊断前24个月的疾病和处方码用于鉴定57个个体症状，随后用模型培训，预测后来患有胰腺癌的患者。

该算法最大的潜力是在多次测试模型中，胰腺癌是几个感兴趣的恶性肿瘤之一。另一个重要的发现是糖尿病的相对重要性，随着时间改变的症状，预测后来的胰腺癌诊断，这与先前的研究一致。

劳拉森林博士，伦敦卫生和热带医学院的高级作者表示：“使用机器学习技术，我们开发了风险分数胰癌症诊断为了鉴定生物标志物可能在早期和可治疗的阶段检测疾病的患者。在进一步工作之后，这种方法可以应用于初级保健环境，并且可以与非侵入性生物标志物测试一起使用，以提高早期的诊断。这将导致更多患者幸存这种毁灭性疾病。“

Maggie Blanks，胰腺癌研究基金的首席执行官说：“使用机器学习为了帮助改善早期的诊断是真正的小说，我们非常高兴这项试验研究表明具有很强的潜力。我们期待看到这项研究领导的位置，如前所述诊断将成为改变改善患者的生存的游戏。“

作者承认研究的局限，包括主要来自使用的模型的特异性癌症患者作为普通人口不代表的对照。

研究团队正在寻求进一步的资金，以发展这项试验研究进入全面调查。

---

---