恶病质是一种以体重和肌肉质量严重下降为特征的综合征。它存在于大约一半的肺癌患者中，并且在非小细胞肺癌病例中尤其具有破坏性。早期检测对于预后目的和作为最佳治疗决策的基础很重要。
恶病质导致的虚弱会阻碍日常活动，引起疼痛，并增加应对疾病的难度及其治疗的副作用。肺癌患者的主要危害是急性呼吸衰竭。
Sarah Santiloni Cury 是巴西圣保罗州立大学博图卡图生物科学研究所 (IBB-UNESP) 的博士后研究员，研究恶病质的早期诊断策略，并且是发表在《期刊》上的一篇关于预测该综合征新方法的文章的第一作者转化医学。
她的工作在 2020 年一次专注于癌症研究中的人工智能和机器学习的活动中获得了欧洲分子生物学组织 (EMBO) 和欧洲生化学会联合会 (FEBS) 颁发的奖项。
“多种筛查工具用于测量肌肉损失。一种可能性是计算机断层扫描 [CT] 用于第三腰椎 [L3] 的肌肉量化。但是，非小细胞肺癌患者的 CT 扫描通常不包括 L3，”她说。
一些研究人员通过分析胸大肌区域 (PMA) 克服了这一限制。PMA 量化与临床结果相关，但每项研究使用不同的计算和截断值，并且基于 CT 对恶病质患者进行分类的最佳截断值尚未确定。
Cury 和她的团队证明，单独的 PMA 可以作为这些患者的恶病质预测因子。他们使用机器学习，根据肌肉量、临床数据和肿瘤微环境的转录谱，建立了肌肉损失预测模型。
他们首先使用来自癌症影像档案 (TCIA) 的公开 CT 扫描测量了 211 名非小细胞肺癌患者的 PMA。使用应用于 PMA、临床数据和生存数据的机器学习算法(CART 和 Cutoff Finder)建立截止值。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！