机器学习带来的早期诊断胰腺癌更加接近现实

个人患胰腺癌的风险可以识别早期使用机器学习(ML)技术,将导致更多的病人幸存的疾病,一项新的研究表明在出版《公共科学图书馆•综合》。

这项研究是由伦敦卫生与热带医学学院(LSHTM)和由英国慈善胰腺癌症研究基金会(PCRF)。

过去英国电子健康记录超过15 - 99岁的1000名患者被诊断为谁胰腺癌2005年1月至2009年6月。

研究者考察了众多症状和健康状态记录由GP患者2年在癌症诊断之前。然后他们开发了一个算法,“学习”如何区分胰腺癌患者继续发展和那些没有。

算法被用来识别那些高危患胰腺癌的只是从医生的记录。

使用这种技术,41%的患者60岁以下的被确定为高风险,20个月前诊断。超过72%的人在诊断将已成功确认为高风险(灵敏度),而59%的人没有患癌症是正确认定为低风险(特异性)。结果类似于60岁以上患者,43%确定了17个月,敏感性为65%,特异性57%。

团队估计,结合他们的算法与简单的血液和尿液测试,这可能检测胰腺癌,目前正在接受调查,可能会导致每癌症400年长和年轻患者被确认为“潜在的病人”。这可能导致约60%的胰腺癌的早期诊断肿瘤。

作者承认需要进一步研究证实,改进和评估潜在的这些发现在实践中使用。

博士Ananya Malhotra位联席作者来自伦敦卫生与热带医学学院的、说:“全世界每年有460000人被诊断为胰腺癌,只有大约5%的这些诊断存活五年或更多。这种低生存是因为病人诊断通常很晚。最近的进展在血液和尿液标志物,但这些测试不能用于人口筛查就像非常昂贵的和潜在的有害的心理压力测试。

“虽然初步的,这项研究提供了一些希望新的胰腺癌早期诊断,直到现在仍然是难以捉摸的。”

先前的研究强调条件与胰腺癌诊断如黄疸、腹痛和糖尿病。虽然这些新结果符合这些发现,这种方法是改变从这些先前的研究,因为团队检查是否可以预测未来胰腺癌基础上结合症状或异常的存在比12个月前诊断、忽视晚期症状。

病例对照研究使用匿名电子健康记录从初级保健与癌症登记。例由1139名患者,15 - 99岁,2005年1月至2009年6月被诊断出患有胰腺癌。每个病例是年龄,性别,和诊断time-matched四non-pancreatic(癌症病人)控制。疾病和处方前24个月诊断代码是用来识别57个人症状,与模型预测患者训练后发达胰腺癌。

该算法最大的潜力是在多个测试模型,胰腺癌是恶性肿瘤之一。另一个重要的发现是糖尿病的相对重要性,对时变症状,在预测后胰腺癌的诊断,与先前的研究一致。

研究高级作者劳拉·伍兹博士来自伦敦卫生与热带医学学院的,说:“我们开发了一个使用机器学习技术风险评分胰腺癌症诊断为了识别患者来说,生物标志物可能在早期检测疾病和治疗的阶段。之后进一步研究这种方法可以应用在初级保健设置和使用有可能与一个非侵入性的生物标志物测试提高早期诊断。这将导致更多的病人幸存的这种毁灭性疾病。”

玛吉空白,胰腺癌症研究基金会首席执行官说:“使用机器学习来帮助改善早期诊断是真正的小说,我们非常高兴,这试点研究表明有强大的潜力。我们期待看到这个研究,早些时候诊断将改变为改善病人生存。”

作者承认研究的局限性包括模型的特异性差主要来源于使用癌症病人作为对照组不普通人群的代表。

研究小组正在寻求进一步的资金来开发这个试点研究成一个完整的调查。