Neues Tool zur Vorhersage von Prostatakrebs bietet unübertroffene Genauigkeit

Derzeitige Instrumente zur Vorhersage des Fortschreitens von Prostatakrebs sind im Allgemeinen subjektiver Natur. führt zu unterschiedlichen Interpretationen unter Klinikern

Ein Forscherteam der Icahn School of Medicine am Mount Sinai und der Keck School of Medicine an der University of Southern California (USC) hat ein neuartiges Machine-Learning-Framework entwickelt, das genauer zwischen Niedrig- und Hochrisiko-Prostatakrebs unterscheidet als je zuvor. Der Rahmen, in einem heute veröffentlichten Scientific Reports-Papier beschrieben, soll Ärzten helfen, insbesondere Radiologen – genauere Identifizierung von Behandlungsoptionen für Patienten mit Prostatakrebs, die Wahrscheinlichkeit einer unnötigen klinischen Intervention zu verringern.

Prostatakrebs ist eine der häufigsten Krebstodesursachen bei amerikanischen Männern. an zweiter Stelle nach Lungenkrebs. Während die jüngsten Fortschritte in der Prostatakrebsforschung viele Leben gerettet haben, objektive Vorhersagewerkzeuge haben, bis jetzt, blieb ein unerfüllter Bedarf.

Gegenwärtig, die Standardmethoden zur Beurteilung des Prostatakrebsrisikos sind die multiparametrische Magnetresonanztomographie (mpMRT), die Prostata-Läsionen erkennt, und das Prostata-Bildgebungs-Berichts- und Datensystem, Version 2 (PI-RADS v2), ein Fünf-Punkte-Scoring-System, das Läsionen klassifiziert, die im mpMRT gefunden wurden. Zusammen, Diese Instrumente sollen die Wahrscheinlichkeit von klinisch signifikantem Prostatakrebs zuverlässig vorhersagen. Jedoch, Das PI-RADS v2-Scoring ist subjektiv und unterscheidet nicht klar zwischen mittleren und malignen Krebsniveaus (Scores 3, 4, und 5), führt oft zu unterschiedlichen Interpretationen unter den Klinikern.

Als Ansatz zur Behebung dieses Nachteils wurde die Kombination von maschinellem Lernen mit Radiomics – einem Zweig der Medizin, der Algorithmen verwendet, um große Mengen quantitativer Merkmale aus medizinischen Bildern zu extrahieren – vorgeschlagen. Jedoch, andere Studien haben nur eine begrenzte Anzahl von Methoden des maschinellen Lernens getestet, um diese Einschränkung zu beheben. Im Gegensatz, Die Forscher des Mount Sinai und des USC entwickelten einen Vorhersagerahmen, der viele solcher Methoden rigoros und systematisch bewertete, um die leistungsstärkste zu identifizieren. Das Framework nutzt auch größere Trainings- und Validierungsdatensätze als frühere Studien. Als Ergebnis, Forscher konnten Prostatakrebs von Patienten mit hoher Sensitivität und einem noch höheren Vorhersagewert klassifizieren.

"Durch die konsequente und systematische Kombination von maschinellem Lernen mit Radiomics, Unser Ziel ist es, Radiologen und klinischem Personal ein fundiertes Vorhersagewerkzeug zur Verfügung zu stellen, das letztendlich zu einer effektiveren und personalisierten Patientenversorgung führen kann. " sagte Gaurav Pandey, Doktortitel, Assistant Professor of Genetics and Genomic Sciences an der Icahn School of Medicine at Mount Sinai und Senior Corresponding Author der Publikation neben Co-Corresponding Author Bino Varghese, Doktortitel, Assistenzprofessor für Forschungsradiologie an der Keck School of Medicine an der USC. „Der Weg, das Fortschreiten von Prostatakrebs mit hoher Genauigkeit vorherzusagen, verbessert sich ständig. und wir glauben, dass unser objektiver Rahmen ein dringend benötigter Fortschritt ist."

• Experten untersuchen die Beteiligung des Darms bei der Parkinson-Krankheit
• Zebrafisch bietet Hinweise zur Linderung von Magen-Darm-Beschwerden im Zusammenhang mit Autismus