黄昏英雄传攻略(黄昏英雄传2.5攻略) 双面胶怎么快速去除胶水(双面胶怎么快速去除) 苹果醋解酒么(苹果醋为什么可以解酒) 怎样关闭电脑杀毒软件和防火墙(怎样关闭电脑杀毒软件和防火墙联想) 莫斯科气温和我国哪里差不多(莫斯科气温) 魔兽世界:探索艾萨拉(魔兽世界 艾萨拉) hopes是什么意思(hope是什么意思) 孕妇可以吃杏仁吗?(孕妇可以吃杏仁吗?孕中期) 8k纸有多大比A3大多少(8k纸有多大) 武汉艺术生文化课到底该如何学习?(武汉艺术生文化课培优) 节奏大师攻略四个技巧刷高分(节奏大师怎样玩才高分) 受凉感冒是风热还是风寒(受凉) 地球的南极北极都是冰天雪地那月球的两极呢(北极和南极都是冰天雪地) 蛇蛇大作战电脑版攻略(蛇蛇大作战游戏下载) 什么是哑口套和窗套(什么是哑口) WIN10电流麦解决方法(win10电脑电流麦怎么解决方法) 平时多吃什么食物补肾效果最好(平时多吃什么食物补肾效果最好女性) 哈伦裤适合什么年龄穿(哈伦裤适合什么人穿) 魔兽世界前夕稀有精英位置一览 看完就知道了(魔兽世界9.0前夕稀有精英位置与掉落) 如何实现创业成功(如何实现创业成功发展) QQ空间如何添加大图模块(qq空间怎么添加图片模块) 梦幻西游挖矿赚钱(挖矿赚钱) 剖腹产的好处(剖腹产的好处有哪些) 如图已知ab为圆o的直径弦cd⊥ab垂足为h(如图 已知AB是圆O的直径 弦CD垂直AB 垂足为H) 深圳上下沙租房攻略(深圳下沙哪里租房便宜) 被2345和hao123主页篡改修复方法 2015(2345是怎样篡改主页的以及如何彻底删除) nba历史得分榜百度一下(nba历史得分榜百度百科) 如何防雾霾 什么口罩防雾霾效果好(什么口罩可以防霾) 制作手工的材料有哪些(制作手工的材料有哪些简单) 天使等级 北京商标注册流程图(北京商标注册流程图解析) Galaxy S4 发布 全面解析新旗舰 图(galaxy s4 上市时间) 土大黄根主要治什么病(土大黄与大黄的区别) vivo手机怎么定位(vivo手机怎么定位查找) dnf更新失败怎么办 安装文件写入失败怎么办(为什么dnf更新写入失败) 隔玻璃晒太阳能起作用(隔着玻璃晒太阳能补钙) steam国服怎么玩apex(steam国服怎么玩最终幻想14) 纳雍县是哪个市 蜂蜜可以放冰箱吗(蜂蜜可以放冰箱吗可以放多久) 电脑怎么连热点(联想电脑怎么连热点) 石器时代宠物攻略(石器时代宠物大全) 经济管理出版社地址(经济管理出版社) 芒果tv怎么看湖南卫视(芒果tv怎么看湖南卫视回放) iPhone13如何在微店购物?(iphone13直营店可以直接买到吗) 淘宝海外版叫什么(淘宝海外版) 幽门螺杆菌抗体(幽门螺杆菌抗体偏高是怎么回事) iOS7.1.1固件下载(ios7.0.4固件下载) 纸的来源视频(纸的来源) QQ农场怎么出售种子精华(QQ农场种子精华) 玉兔出宫怎么画(玉兔出宫怎么画简单)
您的位置:首页 >医学前沿 >

机器学习工具可以帮助肿瘤学家做出更好的治疗决策

导读 在治疗癌症患者时,肿瘤学家旨在预测患者的病程,以做出关键的治疗决策。了解肿瘤独特的分子特征可以通过提供有关癌症是生长缓慢、侵袭性和

在治疗癌症患者时,肿瘤学家旨在预测患者的病程,以做出关键的治疗决策。了解肿瘤独特的分子特征可以通过提供有关癌症是生长缓慢、侵袭性和致命性还是会抵抗治疗的线索来帮助指导这些决定。新的分子分析技术产生了大量关于肿瘤的信息,但医生一直在努力将所有这些数据转化为有意义的预后。

麻省理工学院和哈佛大学布罗德研究所以及丹娜—法伯癌症研究所的研究人员开发了一种新模型,可以区分致死性前列腺癌和不太可能引起症状或死亡的前列腺癌的基因组谱。它还可以帮助临床医生预测前列腺癌患者的肿瘤是否随着时间的推移,会扩散到身体的其他部位或变得对治疗更具抵抗力。该模型称为 P-NET,还可以识别可能与疾病进展相关的分子特征、基因和生物学途径。P-NET 使用基于机器学习的算法来分析肿瘤的已知分子特征,并指示肿瘤是否已经或可能会扩散到身体的不同部位——这是一种侵袭性和潜在致命癌症的迹象。该模型发表在Nature 上,还可以帮助癌症研究人员更多地了解耐药性疾病的生物学,并且可以推广到其他癌症。

该研究的资深作者、Broad 的副成员、Dana-Farber 癌症研究所和哈佛医学院的副教授 Eliezer (Eli) Van Allen 说,P-NET 不仅仅是为患者提供预后。“我们不仅提高了预测癌症是否会转移以及哪些基因可能与该状态相关的能力,而且作为癌症研究人员,我们可以利用该模型的可解释性来了解这些疾病状态的生物学, “ 他说。

构建更好的模型

为了构建一个可以区分早期和晚期前列腺癌肿瘤的模型,研究人员开发了一种专门的深度学习模型,与其他算法相比,该模型具有自定义架构和改进的可解释性。在深度学习模型中,多层神经网络从大型数据集中“学习”以识别模式,就像人脑一样。

使用这种方法,由丹娜—法伯癌症研究所讲师、Broad 的附属研究员、该研究的第一作者 Haitham Elmarakeby 领导的团队直接编码生物信息,例如基因与代谢或信号通路之间的已知关系。进入他们的模型。然后,他们训练 P-NET 使用来自 1,000 多名前列腺癌患者的基因组序列和体细胞或非遗传性突变等数据来预测肿瘤是否具有侵袭性。当该团队根据来自其他前列腺癌患者的数据测试他们的模型时,他们发现它可以正确地区分 80% 的转移性肿瘤与原发的、不太晚期的肿瘤。这表明经过训练的模型能够对新数据执行相同的功能。

标签:

免责声明:本文由用户上传,如有侵权请联系删除!