Календарь дайджеста

Январь 2025
ПН ВТ СР ЧТ ПТ СБ ВС
 << <   > >> 
    1 2 3 4 5
6 7 8 9 10 11 12
13 14 15 16 17 18 19
20 21 22 23 24 25 26
27 28 29 30 31    
             
Психологическая помощь медикам в условиях эпидемии коронавируса

Новости онкологии

13 января 2025

Машинное обучение упростило диагностику рака по подтипам

Исследователи из пяти стран воспользовались алгоритмами машинного обучения, чтобы разработать простые в использовании модели для классификации образцов злокачественных новообразований по известным подтипам. Эти модели, призванные облегчить молекулярное типирование опухолей пациентов в клинических условиях, выложили в открытый доступ. Отчет о работе опубликован в журнале Cancer Cell.

Машинное обучение упростило диагностику рака по подтипамИсточник: N+1; Kyle Ellrott et al. / Cancer Cell, 2025

Молекулярные подтипы рака, определяемые, к примеру, в Атласе ракового генома (TCGA), дают информацию о биологических процессах в опухоли, которая помогает оценить прогноз пациента и выбрать рациональные подходы к лечению. При этом имеющиеся подходы к классификации опухолей по подтипам основаны на моделях и методах кластеризации, которые сложно применять за пределами того датасета, где они были выявлены, что делает их клиническое применение практически невозможным.

Питер Лэрд (Peter Laird) из Института Ван Андела с коллегами из Бразилии, Греции, Грузии, Канады и США провел мультиомный анализ 8791 опухолей из TCGA, относящихся к 106 известным подтипам 26 анатомогистопатологических разновидностей рака, по пяти типам данных: мутациям, числу копий, матричной РНК, метилированию ДНК и микроРНК. Исследователи разработали сбалансированные по подтипам повторные проходы перекрестной проверки, которые использовали в обучающих и тестовых наборах данных для пяти алгоритмов машинного обучения: AKLIMATE, CloudForest, SK Grid, JADBio (их тренировали для каждой разновидности рака в отдельности) и subSCOPE (для всех сразу).

Машинное обучение упростило диагностику рака по подтипам26 разновидностей опухолей и работа с алгоритмами машинного обучения
Источник: N+1; Kyle Ellrott et al. / Cancer Cell, 2025

С помощью этих алгоритмов и перекрестных проверок были созданы модели-классификаторы, оптимизированные для выявления молекулярных подтипов рака по минимальным наборам признаков, чтобы избежать чрезмерного обучения. Всего было создано почти 412,6 тысячи таких моделей. Из них отобрали наилучшие по каждой разновидности рака, алгоритму обучения и типу данных (всего 737 моделей-классификаторов для определения подтипа опухолей не из когорты TCGA), контейнеризировали и выложили в открытый доступ.

Машинное обучение упростило диагностику рака по подтипамГрафическое резюме исследования
Источник: N+1; Kyle Ellrott et al. / Cancer Cell, 2025

Полученные модели можно использовать для создания компактных систем и комплектов для генетической диагностики рака в клинических испытаниях и медицинской практике. Авторы работы выразили надежду, что их наработки станут первым шагом к сокращению разрыва между обширной библиотекой данных TCGA и ее клиническим применением.

О том, как эволюционировала диагностика рака от видимых глазом проявлений до генетических маркеров, и как проводят диагностический поиск в настоящее время, можно почитать в материале «За версту видно».

Источник: nplus1.ru

Согласен Данный веб-сайт содержит информацию для специалистов в области медицины. В соответствии с действующим законодательством доступ к такой информации может быть предоставлен только медицинским и фармацевтическим работникам. Нажимая «Согласен», вы подтверждаете, что являетесь медицинским или фармацевтическим работником и берете на себя ответственность за последствия, вызванные возможным нарушением указанного ограничения. Информация на данном сайте не должна использоваться пациентами для самостоятельной диагностики и лечения и не может быть заменой очной консультации врача.

Сайт использует файлы cookies для более комфортной работы пользователя. Продолжая просмотр страниц сайта, вы соглашаетесь с использованием файлов cookies, а также с обработкой ваших персональных данных в соответствии с Политикой конфиденциальности.