Nebenwirkungen von Hodenkrebs vorhergesagt durch maschinelles lernen

In Zusammenarbeit mit Rigshospitalet, Forscher von der DTU Gesundheit Technologie entwickelt haben, eine machine-learning-Modell zur Vorhersage der Chemotherapie-assoziierten nephrotoxizität, eine besonders wichtige Nebenwirkung bei Patienten, die mit cisplatin.

Hodenkrebs ist der häufigste Krebs bei Jungen Männern. Die Zahl der neuen Fälle steigt weltweit. Es ist eine relativ hohe überlebensrate mit 95% überleben nach 10 Jahren—wenn rechtzeitig erkannt und richtig behandelt wird. Aber die standard-Chemotherapie umfasst cisplatin die eine Breite Palette von langfristigen Nebenwirkungen, von denen eine nephrotoxizität.

„Hoden-Krebs-Patienten, die cisplatin-basierte Chemotherapie ist wichtig, um sicherzustellen, eine hohe Heilungsrate. Leider kann die Behandlung Nebenwirkungen verursachen, einschließlich der Nierenfunktion. Wir sind jedoch nicht in der Lage zu sehen, wer landet mit Nebenwirkungen und wer nicht“, sagt Jakob Lauritsen vom Rigshospitalet.

Patienten-Daten ist der Schlüssel zum wissen

Die Forscher baten daher die Frage: Wie weit können wir gehen in die Vorhersage nephrotoxizität Risiko bei diesen Patienten mit machine-learning? Zunächst Bedarf es einiger Daten des Patienten.

„Mit einer Kohorte von Hoden-Krebs-Patienten aus Dänemark– in Zusammenarbeit mit Rigshospitalet, entwickelten wir eine Maschine, die das lernen eines prädiktiven Modells, um dieses problem anzugehen,“ sagt Sara Garcia, ein Forscher an der DTU-Gesundheit-Technologie, die gemeinsam mit Jakob Lauritsen, sind die ersten Autoren von einem Artikel kürzlich veröffentlicht in der JNCI-Krebs-Spektrum.

Die hohe Qualität der dänischen Patientendaten erlaubt die Identifizierung der wichtigsten Patienten, und eine Technologie-Partnerschaft zwischen DMAC und YouDoBio erleichtert DNA-Sammlung, die von Patienten in Ihren Häusern mit post geliefert Speichel-kits. Das Projekt, ursprünglich finanziert von der dänischen Krebs-Gesellschaft, sah die Entwicklung von verschiedenen Analysen, Strategien der Genomik-und Patientendaten, ein vorziehen der Versprechen der künstlichen Intelligenz für die integration unterschiedlicher Daten-streams.

Besten Vorhersagen für niedrig-Risiko-Patienten

Ein Risiko-score für einen einzelnen zu entwickeln nephrotoxizität während der Chemotherapie erzeugt wurde, und die wichtigsten Gene, die wahrscheinlich beim spielen die vorgeschlagen wurden. Die Patienten wurden eingeteilt in high, low und intermediate risk. Für das hohe Risiko, das Modell war in der Lage, korrekt vorherzusagen, 67% der betroffenen Patienten, während Sie für die low-risk Modell richtig vorhergesagt 92% der Patienten, die nicht zu entwickeln nephrotoxizität.