Sport playbook hilft ärzte Vorhersagen, Krebs-Patienten Ergebnisse

In dieser Saison der globalen Fußball-Wettbewerbe und heiß umkämpften politischen Vorwahlen, Buchmachern und Experten sind scheuern jeder der sich entwickelnden Schrott von Informationen und sichten durch Berge von Daten in einer Anstrengung, um vorherzusagen, das Ergebnis des nächsten Spiels oder Wahl. Diese Prognosen ändern können, auf einen Cent, basiert jedoch auf einem Spieler nach einem schlechten pass oder einem Kandidaten stellare Debatte Leistung.

Statistiker beziehen sich auf die Technik der Einbeziehung einer Vielzahl von kontinuierlich erzeugten Informationen—wer ist auf der Bank, die verletzt wurde in der ersten Hälfte des Spiels, die Befragten gut in Iowa gestern—wie die Berechnung von in-game-win-Wahrscheinlichkeit, und es ist verwendet worden für Jahrzehnte, um vorherzusagen, die Ergebnisse der Laufenden Sportveranstaltungen oder Wahlen.

Jetzt Forscher an der Stanford University School of Medicine haben eine Seite aus diesem playbook zu generieren, präziser Prognosen für Krebs-Patienten. Sie getan haben, damit durch die Gestaltung eines computer-Algorithmus, integrieren können viele verschiedene Arten von predictive data—einschließlich eines Tumors ansprechen auf die Behandlung und die Höhe der Krebs-DNA zirkuliert im Blut der Patienten während der Therapie zu generieren, die eine einzelne, dynamische Risikobewertung, an einem beliebigen Punkt in der Zeit bei einem Patienten die Behandlung. Solch ein Fortschritt sein könnte, ein tiefer Sinn für die Patienten und Ihre ärzte.

„Wenn wir die Pflege für unsere Patienten sind wir zu Fuß auf Eierschalen zu einer tiefen Zeitraum von Zeit, während wir versuchen, um festzustellen, ob der Krebs wirklich Weg, oder wenn es wahrscheinlich ist, zurückzukehren,“ sagte außerordentlicher professor von Medizin Asche Alizadeh, MD, Ph. D. „Und Patienten Fragen sich, ‚Soll ich planen, zu besuchen, mein Kind ist Hochzeit nächsten Sommer, oder priorisiere ich so meine wird?‘ Wir sind versucht zu kommen mit einem besseren Weg, um vorherzusagen, während ein patient die Behandlung, was Ihr Ergebnis sein dürfte.“

Überraschenderweise haben die Forscher auch festgestellt, dass der Ansatz, den Sie haben, genannt CIRI für die Kontinuierliche Individuelle Risiko-Index, kann auch helfen, ärzte zu lokalisieren Menschen, die davon profitieren, früh, mehr aggressive Behandlungen sowie diejenigen, die wahrscheinlich sind, geheilt zu sein, durch die standard-Methoden.

Die Studie wird online veröffentlicht am 4. Juli in der Zelle. Alizadeh, ein Stanford Health Care Onkologe, spezialisiert in der Behandlung von Patienten mit Blutkrebs, Aktien senior-Autorenschaft mit associate professor für Strahlentherapie und Radioonkologie Maxmilian Diehn, MD, Ph. D. Dozentin für Medizin, David Kurtz, MD, Ph. D. und Postdoc-Wissenschaftler Mohammad Esfahani, Ph. D., und Florian Scherer, MD, der führende Autoren.

Immer ein vollständiges Bild

Die Forscher begannen Ihre Studie mit Blick auf die Menschen, die zuvor diagnostiziert mit diffusem grosszelligem B-Zell-Lymphom, die häufigste Blutkrebs in den Vereinigten Staaten. Obwohl fast zwei Drittel der Erwachsenen mit DLBCL geheilt sind mit standard-Behandlungs-Protokolle, das restliche Drittel wird wahrscheinlich an der Krankheit sterben.

Wenn ein DLBCL Patienten diagnostiziert, so dass ärzte wie Alizadeh, Diehn und Kurtz Bewertung der ersten Symptome, der Art der Zelle, aus denen sich der Krebs stammt, und die Größe und Lage des Tumors nach der ersten imaging-Scans zu erzeugen, eine erste Prognose. Mehr kürzlich, ärzte haben auch in der Lage zu beurteilen, die Menge der tumor-DNA zirkuliert im Blut der Patienten nach den ersten ein oder zwei Runden der Therapie zu bestimmen, wie der tumor reagiert und Schätzung eines Patienten insgesamt Gefahr erliegen Ihrer Erkrankung.

Aber jeder von diesen Situationen gibt ein Risiko basierend auf einer Momentaufnahme in der Zeit statt, die Aggregation aller verfügbaren Daten zu generieren, die eine einzelne, dynamische Risikobewertung, die aktualisiert werden können, der im Laufe der die Behandlung eines Patienten.

„Was wir jetzt machen, ist etwas wie der Versuch, vorherzusagen, das Ergebnis des basketball-Spiels, die durch tuning in den zur Halbzeit zu überprüfen, die Partitur oder durch das beobachten, nur die dafür,“ Diehn sagte, „wenn in Wirklichkeit wir wissen, dass es eine beliebige Anzahl von Dingen, die passiert sein könnte in der ersten Hälfte, dass wir nicht berücksichtigen. Wir wollten erfahren, ob es den besten Blick auf die neuesten verfügbaren Informationen über einen Patienten, die frühesten Informationen, die wir gesammelt haben, oder ob es am besten sammeln Sie alle diese Daten, die über viele Zeit-Punkte.“

Alizadeh und seine Kollegen sammelten Daten von mehr als 2.500 DLBCL-Patienten aus 11 bereits veröffentlichten Studien, für die die drei häufigsten Prädiktoren für die Prognose zur Verfügung standen. Sie verwendet die Daten, die zum trainieren eines computer-Algorithmus zum erkennen von mustern und Kombinationen, die Wahrscheinlichkeit zu beeinflussen, ob ein patient lebte für mindestens 24 Monate nach scheinbar erfolgreicher Behandlung wieder, ohne dass ein Rezidiv Ihrer Erkrankung. Sie enthalten auch Informationen von 132 Patienten, für die Daten über die zirkulierenden tumor-DNA-Spiegel wurden vor und nach dem ersten und zweiten Runden der Behandlung.

„Unsere standard-Methoden der Vorhersage von Prognosen bei diesen Patienten sind nicht richtig“, Kurtz gesagt. „Mit standard-baseline-Variablen es wird fast ein crystal-ball-übung. Wenn eine vollkommen genaue test ein Ergebnis von 1, und ein test, weist die Patienten nach dem Zufallsprinzip einer von zwei Gruppen hat einen score von 0,5 (also eine Münze werfen—unsere aktuellen Methoden score bei etwa 0.6. Aber CIRI ‚ s score war um 0.8. Nicht perfekt, aber deutlich besser als wir in der Vergangenheit getan haben.“

Identifizierung von besseren Behandlungsmöglichkeiten

Die Forscher als Nächstes getestet CIRI die Leistung auf die Daten von bisher veröffentlichten Platten von Menschen mit einem gemeinsamen Leukämie und anderen auf Brustkrebs-Patientinnen. Obwohl die prognostische Indikatoren variiert für jede Krankheit, Sie fanden, dass, indem Sie abwechselnd die Integration der predictive Informationen über die Zeit, CIRI besser als der standard-Methoden. Darüber hinaus vorgeschlagen, dass es nützlich sein könnte, zu identifizieren, die Patienten müssen möglicherweise mehr aggressive intervention innerhalb von ein oder zwei Runden der Behandlung, anstatt zu warten, um zu sehen, wenn die Krankheit erneut Auftritt.

„Was ich nicht erwartet hatte war, dass die Aggregation all dieser Informationen durch die Zeit kann auch prädiktive,“ Alizadeh sagte. „Es könnte uns sagen ‚gehst du den falschen Weg mit dieser Therapie, und diese andere Therapie könnte besser sein.‘ Jetzt haben wir ein mathematisches Modell, das uns helfen könnte, identifizieren von Untergruppen von Patienten, die unwahrscheinlich gut zu tun mit standard-Behandlungen.“