Forscher entwickeln Prostatakrebs-Prognose-tool, das unübertroffene Genauigkeit

Ein team von Forschern der Icahn School of Medicine am Mount Sinai und Keck School of Medicine an der University of Southern California (USC) entwickelt ein neuartiges machine-learning-framework unterscheidet zwischen low – und high-risk-Prostatakrebs mit mehr Präzision als je zuvor. Das framework, beschrieben in einem Wissenschaftlichen Berichte auf Papier der heute veröffentlicht wurde, soll ärzten helfen-insbesondere, Radiologen — genauer zu identifizieren und die Behandlungsmöglichkeiten für Prostatakrebs-Patienten, die Verringerung der Wahrscheinlichkeit von unnötigen klinischen intervention.

Prostata-Krebs ist eine der führenden Ursachen für Krebstod bei amerikanischen Männern, an zweiter Stelle nur zum Lungenkrebs. Während die jüngsten Fortschritte in der Prostata-Krebs-Forschung haben viele Leben gerettet, Objektive Prognose-tools haben, bis jetzt, blieb ein Ungedeckter Bedarf.

Derzeit ist die standard-Methoden zur Beurteilung der Prostata-Krebs-Risiko sind multiparametric magnetic resonance imaging (mpMRI), die erkennt, Prostata-Läsionen, und die Prostata-Imaging-Reporting und Data System, version 2 (PI-RADS v2), ein fünf-Punkt-scoring-system, die klassifiziert Läsionen gefunden, die auf die mpMRI. Zusammen werden diese Werkzeuge bestimmt sind, zu solide vorherzusagen, die Wahrscheinlichkeit von klinisch signifikanten Prostatakrebs. Allerdings, PI-RADS v2 Wertung ist subjektiv und unterscheidet nicht klar zwischen zwischen-und bösartigen Krebs Ebenen (erzielt 3, 4 und 5), was Häufig zu unterschiedlichen Auslegungen unter Klinikern.

Die Kombination von machine learning mit radiomics — ein Zweig der Medizin, die mithilfe von algorithmen zum extrahieren von große Mengen von quantitativen Merkmalen aus medizinischer Bilder — vorgeschlagen wurde, als eine Vorgehensweise zum beheben dieses Manko. Aber auch andere Studien haben nur getestet, eine begrenzte Anzahl von machine-learning-Methoden, um diese Einschränkung. Im Gegensatz dazu, den Berg Sinai und USC-Forscher entwickelten einen prädiktiven Rahmen, der konsequent und systematisch bewertet werden viele solcher Methoden zu identifizieren, die mit der besten Leistung. Das framework nutzt auch größere Trainings-und Validierungs-Datensätze als in früheren Studien getan haben. Als Ergebnis konnten die Forscher klassifizieren die Patienten Prostata-Krebs mit hoher Empfindlichkeit und einen noch höheren prädiktiven Wert.

„Durch die konsequente und systematische Kombination von maschinellem lernen mit radiomics, unser Ziel ist es, Radiologen und klinischen Personal mit einer fundierten Vorhersage-tool, das kann schließlich zu übersetzen, um mehr wirksame und individuelle Versorgung der Patienten,“ sagte Gaurav Pandey, PhD, Assistant Professor von Genetik und von Genomischen Wissenschaften an der Icahn School of Medicine am Mount Sinai und senior entsprechenden Autors der Publikation neben co-entsprechenden Autor Bino Varghese, PhD, Assistant Professor für Forschung der Radiologie an der Keck School of Medicine der USC. „Der Weg zur Vorhersage der Prostatakarzinom-progression mit hoher Genauigkeit wird immer besser, und wir glauben, dass unsere Ziel-framework ist eine dringend notwendige Weiterentwicklung.“