Science子刊：新方法可区分与头颈癌相关和不相关的肺肿瘤
来源：中检健康
编辑：中检健康
时间：2019-09-14
在一项新的研究中，来自德国多个研究机构的研究人员测试了几种机器学习算法，以了解它们如何识别与头颈癌相关的肺肿瘤（即由头颈癌转移到肺部形成的肺转移瘤）和与头颈癌不相关的肺肿瘤（即原发性肺肿瘤）之间的差异。相关研究结果发表在2019年9月11日的Science Translational Medicine期刊上，论文标题为“Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases”。在这篇论文中，他们描述了这些算法以及它们在测试时的效果。
图片来自Philipp Jurmeister。
正如这些研究人员指出的那样，患有头颈瘤的患者也有患上继发性肺肿瘤的风险。但有时候，这类患者还会患上与头颈癌无关的原发性肺肿瘤。重要的是，治疗这些患者的医生必须能够区分这些肺肿瘤类型，这是因为每种肺肿瘤类型都需要不同的治疗方法。此外，这些研究人员还指出，一种癌症类型，特别是头颈鳞状细胞癌（head and neck squamous cell carcinoma, HNSC），一旦扩散到身体的其他部位，如肺部，就被认为是无法治愈的。但是，另一种称为肺鳞状细胞癌（lung squamous cell carcinoma, LUSC）的癌症类型通常可以通过手术治愈。因此，医生尽可能快速准确地识别它们至关重要。不幸的是，目前还没有区分这些肿瘤类型的技术。在这项新的研究中，这些研究人员测试了三种基于神经网络的机器学习算法，以观察它们能够做得多好。其中的一种机器学习算法是他们还开发出的一种称为人工神经网络（artificial neural network）的算法，另外两种机器学习算法是支持向量机（support vector machines）和随机森林（random forests）。
一旦这些算法准备好使用，这些研究人员就通过给它们提供来自1071名患有肺鳞状细胞癌或头颈鳞状细胞癌的患者的生化样品数据，同时还给它们提供来自具有健康肺部的人的样品，从而教导它们区分不同的肺肿瘤类型。他们报道在区分这些肺肿瘤类型方面，人工神经网络表现最佳，准确率为96.4%，支持向量机和随机森林的准确率分别为95.7%和87.8%。他们还报道在另一项针对具有头颈鳞状细胞癌病史的患者的测试中，人工神经网络表现最佳，准确率大约为98%。
这些研究人员指出他们的结果是有前景的，但也注意到，还需开展更多的研究来确保人工神经网络在真实环境中发挥作用。他们还想知道它是否适用于身体其他部位的肿瘤。（生物谷 Bioon.com）
参考资料：
1.Philipp Jurmeister et al. Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases, Science Translational Medicine (2019). DOI: 10.1126/scitranslmed.aaw8513.
2.Algorithm able to accurately see differences between cancerous lung tumors
https://medicalxpress.com/news/2019-09-algorithm-accurately-differences-cancerous-lung.html
（声明：本网站部分图片、文章来源于网络，本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将及时删除）
