AI模型可预测癌症原发灶位点

(相关资料图)

根据《自然·医学》杂志7日发表的一篇论文，美国麻省理工学院和达纳-法伯癌症研究所的研究人员开发了一种新方法，使识别一些神秘癌症的原发灶位置变得更容易。

研究人员利用近3万名22种已知癌症的患者数据来训练机器学习模型，它可分析大约400个基因序列，这些基因经常在癌症中发生突变。然后，研究人员使用这些信息来预测给定的肿瘤在体内的起源位置。

他们在约7000个肿瘤上测试了新模型OncoNPC，这些肿瘤以前从未见过，但其起源已知。该模型能以80%的准确率预测它们的起源。对于占总数约65%的具有高置信度预测的肿瘤，其准确率达到约95%。研究人员表示，利用该模型，他们可在约900名患者的数据集中准确地对至少40%的不明来源肿瘤进行高置信度分类。这种方法使符合基因组指导、根据癌症起源位置进行靶向治疗的患者数量增加了2.2倍。

在3%—5%的癌症患者中，特别是在肿瘤已转移到全身的情况下，肿瘤学家没有一种简单的方法来确定癌症的起源。这些肿瘤被归类为原发灶不明癌症。许多抗癌药物通常用于特定癌症，无法确定原发灶位置往往使医生无法为患者精准地对症下药。

研究人员计划扩展他们的模型，以涵盖更多类型的数据，例如病理图像和放射图像，从而提供更全面的预测。这也将为模型提供肿瘤的全面视角，使其不仅能够预测肿瘤类型，甚至还可预测最佳治疗方案。

新方法通过皮肤检测心脏疾病

俄罗斯科学家研发出世界上第一种无需侵入人体即可检测慢性心力衰竭的方法。研究人员称，通过激光照射皮肤进行诊断将成为现有侵入性方法的理想替代。相关研究发表在《生物光子学杂志》上。

萨马拉国立科罗廖夫大学科研人员与萨马拉皮罗戈夫第一临床医院、萨马拉国立医科大学的同事共同开发了一种传感器，可通过光学方法确认是否存在慢性心力衰竭。

研究人员称，通过使用拉曼光谱记录患者皮肤的独特光谱特征，能够测量确诊慢性心力衰竭患者与未确诊患者皮肤中核酸、蛋白质、脂类和碳水化合物官能团的相对变化。

研究人员将激光照射到患者前臂的内侧，射线穿透皮肤后，与皮肤组织发生作用，并根据组织成分改变其能量。用一个特殊的探头记录下这些变化，并确定每位患者皮肤的光谱特征。然后，使用机器学习方法，比较并分析了慢性心力衰竭患者和非慢性心力衰竭患者皮肤的所有光谱特征。

这种新方法是世界首次在不干扰人体、不使用额外试剂的情况下检测慢性心力衰竭。在临床研究中，科学家们已确定，通过从人体皮肤上获得的独特光谱变化，能可靠地检测出慢性心力衰竭。

资料来源：科技日报

文章图片用于公益科普，版权归原作者所有，如有侵权，请联系删除

关键词：