Die invasive und teure Diagnose-Prozess des Blase-Krebs, eine der häufigsten und aggressivsten Krebsarten in den Vereinigten Staaten, kann bald geholfen durch eine neuartige nicht-invasive diagnostische Methode, Dank der Fortschritte in der machine-learning-Forschung am San Diego Supercomputer Center (SDSC), Moores-Krebs-Mitte, und CureMatch Aufgenommen.
Forschung-Wissenschaftler Igor Tsigelny und Valentina Kouznetsova arbeiten an der Entwicklung eines maschinellen Lernens (ML) Modell, das sich in einem Patienten Metaboliten und Ihrer chemischen Deskriptoren. Das Modell genau klassifiziert die Stadien von Blasenkrebs in einem Patienten, so die Forscher. Tsigelny ist der Hauptautor einer vor kurzem veröffentlichten Studie, in der Metabolomics – Zeitschrift namens „die Anerkennung der Frühen und Späten Phasen von Blasenkrebs mit Metaboliten und Machine Learning‘.
Wenn ein patient frühe Symptome von Blasenkrebs (z.B., Blut im Urin, Schmerzen beim Wasserlassen, etc.), die aktuelle Methode der Diagnose ist oft eine schmerzhafte, invasive Reihe von tests.
„Aus meiner Sicht, kann es sehr leicht für die Patienten geben nur eine Probe von Urin und unser ML-system produzieren können, das eine „rote Flagge“ Analyse-Ergebnis Ihnen zu sagen, sofort gehen zu einem Onkologen für Tests“, sagte Tsigelny. „Wir glauben, dass viele der frühen und auch fortgeschrittenen Stadien der Blasenkrebs gehen unbehandelt, weil die Patienten nicht bezahlen, die Aufmerksamkeit zu vermitteln, die Schmerzsignale aus dem Körper, und können sich denken, dass es weniger gefährliche Probleme, die Symptome verursachen. Unsere machine-learning-Modell verwendet, Metaboliten und der entsprechenden Gene zu bestimmen, wenn ein patient hat Blasenkrebs und wenn ja, auf welcher Stufe.“
Mehr als 81.000 Amerikaner diagnostiziert wurden mit Blasenkarzinom im Jahre 2018 und mehr als 17.000 starben durch die Bedingung, entsprechend Statistiken von der amerikanischen Krebs-Gesellschaft.
„Das Ziel dieser Forschung ist es, zu niedriger diese Zahl, und wir glauben, dass machine learning-Modelle können uns helfen, zu tun“, sagt Kouznetsova. „Mit einer Vielzahl von computergestützten tools, die wir untersucht Wege in Bezug auf die verschiedenen Stadien der Blasenkrebs, die verwendet werden können für die Diagnose und überwachung von Krebs Fortschreiten.“
Die Forscher trainierten die software genannte multi-layer-perzeptron oder MLP – mit den Daten der Urin-Metabolite von Patienten mit verschiedenen Stadien der Krankheit. Jede Stufe hat Ihr eigenes Profil, von Metaboliten. „MLP analysiert die Chemische Deskriptor der Sätze von Metaboliten Bezug auf jedes Stadium von Krebs und erstellt die AI Modelle von diesen Profilen“, erklärt Kouznetsova.
Tsigelny, zusammen mit seiner Arbeit an der UC San Diego, ist der chief science officer und co-founder von CureMatch, die Entscheidungshilfen für ärzte in der personalisierten Krebsmedizin. SDSC-Direktor Michael Norman ist ein Mitglied der CureMatch Beirat.
„Mit 4,5 Millionen Möglichkeiten der Kombination rund 300 von der FDA zugelassenen Krebsmedikamente, CureMatch Ziele mehrere Krebs-Mutationen gleichzeitig und ermittelt die beste Kombination Behandlung für jeden Patienten“, erklärt Tsigelny. „Während diese Studie nicht in Zusammenhang mit den aktuellen Aufgaben der CureMatch, es kann sich also in der Zukunft.“