Een team van onderzoekers van de Icahn School of Medicine op Mount Sinai en Keck School of Medicine aan de University of Southern California (USC) heeft een nieuw machinaal leren raamwerk ontwikkeld dat onderscheid maakt tussen laag- en hoogrisico prostaatkanker met meer precisie dan ooit eerder. Het frame, beschreven in een wetenschappelijke rapporten die vandaag zijn gepubliceerd, is bedoeld om artsen te helpen, in het bijzonder radiologen - om de behandelingsopties voor prostaatkankerpatiënten nauwkeuriger te identificeren, het verkleinen van de kans op onnodige klinische interventie.
Prostaatkanker is een van de belangrijkste doodsoorzaken door kanker bij Amerikaanse mannen, tweede alleen voor longkanker. Hoewel recente vorderingen in het onderzoek naar prostaatkanker veel levens hebben gered, objectieve voorspellingstools hebben, tot nu, bleef een onvervulde behoefte.
momenteel, de standaardmethoden die worden gebruikt om het risico op prostaatkanker te beoordelen, zijn multiparametrische magnetische resonantiebeeldvorming (mpMRI), die prostaatlaesies detecteert, en het Prostate Imaging Reporting and Data System, versie 2 (PI-RADS v2), een scoresysteem met vijf punten dat laesies classificeert die op de mpMRI worden gevonden. Samen, deze instrumenten zijn bedoeld om de waarschijnlijkheid van klinisch significante prostaatkanker goed te voorspellen. Echter, PI-RADS v2-scores zijn subjectief en maken geen duidelijk onderscheid tussen intermediaire en kwaadaardige kankerniveaus (scores 3, 4, en 5), vaak leidend tot verschillende interpretaties onder clinici.
Het combineren van machine learning met radiomics - een tak van de geneeskunde die algoritmen gebruikt om grote hoeveelheden kwantitatieve kenmerken uit medische beelden te extraheren - is voorgesteld als een benadering om dit nadeel te verhelpen. Echter, andere studies hebben slechts een beperkt aantal machine learning-methoden getest om deze beperking aan te pakken. In tegenstelling tot, de onderzoekers van Mount Sinai en USC ontwikkelden een voorspellend raamwerk dat veel van dergelijke methoden rigoureus en systematisch beoordeelde om de best presterende te identificeren. Het raamwerk maakt ook gebruik van grotere trainings- en validatiegegevenssets dan eerdere onderzoeken. Als resultaat, onderzoekers konden prostaatkanker van patiënten classificeren met een hoge gevoeligheid en een nog hogere voorspellende waarde.
"Door machine learning rigoureus en systematisch te combineren met radiomics, ons doel is om radiologen en klinisch personeel te voorzien van een degelijke voorspellingstool die zich uiteindelijk kan vertalen in effectievere en gepersonaliseerde patiëntenzorg, " zei Gaurav Pandey, doctoraat, Universitair docent genetica en genomische wetenschappen aan de Icahn School of Medicine op de berg Sinaï en senior corresponderende auteur van de publicatie naast co-corresponderende auteur Bino Varghese, doctoraat, Universitair docent Onderzoeksradiologie aan de Keck School of Medicine van het USC. "De weg om de progressie van prostaatkanker met hoge nauwkeurigheid te voorspellen, wordt steeds beter, en we geloven dat ons objectieve kader een broodnodige vooruitgang is."
Longmicroben kunnen helpen bij het voorspellen van resultaten bij ernstig zieken
Darmmicrobioom en IBD - het verband misschien in het dieet zegt studie
Chronische hoest kan worden verlicht met nieuw medicijn
Wiskundig model onthult het risico op SARS-CoV-2-infectie na transplantatie van fecale microbiota
De helft van de gebruikte medicijnen beschadigt darmbacteriën,
Darmmicrobioom gekoppeld aan gedragsproblemen bij kinderen
De eerste bevindingen van het Human Microbiome Project leidden tot 'honderden vervolgonderzoeken'
Het Human Microbiome Project (HMP) is een initiatief ontwikkeld door de National Institutes of Health om het menselijke microbioom te karakteriseren bij zowel gezonde volwassenen als bij mensen met sp
Leverfunctie kan belangrijk zijn bij het risico op de ziekte van Alzheimer
Een nieuwe studie toont een sterk verband aan tussen een veranderde leverfunctie en de ontwikkeling van de ziekte van Alzheimer (AD). Dit komt overeen met recente gegevens over de rol van ziekten die
Migratie beïnvloedt de darmflora, wat op zijn beurt de gezondheid beïnvloedt, vinden onderzoekers
De menselijke darm bevat biljoenen nuttige en vriendelijke bacteriën die het microbioom vormen. Deze microben blijken een grote invloed te hebben op de menselijke omstandigheden, waaronder de algemene