Новый инструмент для прогнозирования рака простаты обладает непревзойденной точностью

Современные инструменты, используемые для прогнозирования прогрессирования рака простаты, обычно носят субъективный характер. приводит к разным интерпретациям среди клиницистов

Команда исследователей из Медицинской школы Икана на горе Синай и Медицинской школы Кека Университета Южной Калифорнии (USC) разработала новую структуру машинного обучения, которая различает рак простаты низкого и высокого риска с большей точностью, чем когда-либо прежде. Каркас, описано в опубликованной сегодня статье Scientific Reports, предназначен для помощи врачам - в частности, радиологи - более точно определяют варианты лечения больных раком простаты, уменьшение вероятности ненужного клинического вмешательства.

Рак простаты - одна из основных причин смерти от рака у американских мужчин. уступает только раку легких. Хотя недавние достижения в исследованиях рака простаты спасли множество жизней, инструменты объективного прогнозирования, до настоящего времени, оставалась неудовлетворенной потребностью.

В настоящее время, стандартными методами, используемыми для оценки риска рака простаты, являются многопараметрическая магнитно-резонансная томография (mpMRI), который обнаруживает поражения простаты, и Система отчетов и данных визуализации простаты, версия 2 (PI-RADS v2), пятибалльная система оценки, которая классифицирует поражения, обнаруженные на mpMRI. Вместе, эти инструменты предназначены для надежного прогнозирования вероятности клинически значимого рака простаты. Тем не мение, Оценка PI-RADS v2 является субъективной и не позволяет четко разграничить промежуточный и злокачественный уровни рака (баллы 3, 4, и 5), часто приводит к разным интерпретациям среди клиницистов.

Комбинирование машинного обучения с радиомикой - отраслью медицины, которая использует алгоритмы для извлечения большого количества количественных характеристик из медицинских изображений - было предложено в качестве подхода к устранению этого недостатка. Тем не мение, в других исследованиях было протестировано лишь ограниченное количество методов машинного обучения для устранения этого ограничения. Наоборот, Исследователи Mount Sinai и USC разработали систему прогнозирования, которая тщательно и систематически оценивала многие такие методы, чтобы определить наиболее эффективный. Эта структура также использует большие наборы данных для обучения и проверки, чем в предыдущих исследованиях. Как результат, исследователи смогли классифицировать рак простаты пациентов с высокой чувствительностью и еще более высокой прогностической ценностью.

"Строго и систематически сочетая машинное обучение с радиомикой, наша цель - предоставить радиологам и клиническому персоналу надежный инструмент прогнозирования, который в конечном итоге может привести к более эффективному и индивидуальному уходу за пациентами, "сказал Гаурав Панди, Кандидат наук, Доцент генетики и геномных наук в Медицинской школе Икана на горе Синай и старший автор публикации вместе с соавтором-корреспондентом Бино Варгезе, Кандидат наук, Доцент кафедры радиологии в Медицинской школе Кека при Университете Южной Калифорнии. "Путь к прогнозированию прогрессирования рака простаты с высокой точностью постоянно совершенствуется, и мы считаем, что наши объективные рамки - это очень необходимое продвижение ».

• Эксперты исследуют участие кишечника в болезни Паркинсона
• Данио предлагает ключ к облегчению желудочно-кишечного расстройства, связанного с аутизмом