根據(jù)一項涉及數(shù)千名受試者樣本的研究，一個新的機器學習平臺可以識別結直腸癌患者，并幫助預測他們的疾病嚴重程度和生存率。
這種無創(chuàng)方法增加了循環(huán)腫瘤DNA(ctDNA)分析技術的最新發(fā)展，可以幫助早期發(fā)現(xiàn)高?；颊咧械慕Y直腸癌。像許多其他惡性腫瘤一樣，如果在轉移到其他組織之前被發(fā)現(xiàn)，結直腸癌是最容易治愈的。結腸鏡檢查是診斷的“金標準”，但它們不舒服、侵入性強，可能導致并發(fā)癥，使患者不愿接受篩查。
羅和她的同事利用機器學習技術開發(fā)了一種侵入性較小的診斷方法，可以檢測高?；颊叩慕Y直腸癌。他們的技術通過篩選甲基化標記物起作用，這是腫瘤中常見的脫氧核糖核酸修飾。首先，科學家建立了一個基于9種與結直腸癌相關的甲基化標志物的診斷模型。他們通過研究801名結直腸癌患者和1021名對照者的血漿樣本來確定這些模型。該模型能夠準確區(qū)分患者和健康個體，敏感性和特異性分別為87.5%和89.9%，優(yōu)于臨床上可用的稱為CEA的血液檢測。此外，改進的預后模型有助于預測26個隨訪期患者的死亡風險。
平均6個月，尤其是結合已確定的臨床特征(如腫瘤位置)時。甲基化標記物特別有用，因為在一項對1493個高危人群的前瞻性研究中，它僅被篩選以發(fā)現(xiàn)結直腸癌和癌前病變的病例。等等。結論：臨床醫(yī)生和患者需要更長時間的隨訪研究來進一步評估該模型的可靠性。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！