Исследовательская группа из Дартмута, возглавляемая доктором наук Саидом Хассанпуром, нашла метод машинного обучения, позволяющий прогнозировать повышение уровня АДГ до рака. Наличие этой информации может потенциально помочь клиницистам и пациентам из группы низкого риска решить, является ли активное наблюдение и гормональная терапия разумной альтернативой хирургическому удалению. Оценка модели показала, что подход команды к машинному обучению может выявить 98% всех злокачественных новообразований до операции, избавив от операции 16% женщин, которые в противном случае перенесли бы ненужную операцию по поводу доброкачественного образования. Их результаты «Прогнозирование апгрейдов атипичной гиперплазии протоков с помощью подхода машинного обучения для уменьшения ненужных хирургических иссечений» были недавно опубликованы в JCO Clinical Cancer Informatics.
«Наши результаты показывают, что существуют устойчивые клинические различия между женщинами с низким и высоким риском повышения уровня АДГ до рака на основе данных стержневой биопсии иглы, которые позволили нашей модели машинного обучения надежно прогнозировать повышение уровня злокачественности в нашем наборе данных», – говорит Хассанпур. «Это исследование также выявило важные клинические переменные, влияющие на риск повышения уровня АДГ."
Использование хирургического иссечения для исключения злокачественных новообразований небезопасно, так как 70-80% женщин подвергаются инвазивному хирургическому удалению по поводу доброкачественных образований АДГ. «Наша модель потенциально может помочь пациентам и врачам выбрать альтернативный подход к ведению пациентов с низким уровнем риска», – говорит Хассанпур. «В эпоху персонализированной медицины такие модели могут быть желательны для пациентов, которые ценят общий подход к принятию решений с возможностью выбора между хирургическим удалением для уверенности и наблюдением, чтобы избежать затрат, стресса и потенциальных побочных эффектов у женщин из группы низкого риска. для повышения уровня АДГ до рака."
Вскоре команда планирует расширить объем своей модели, включив в нее другие поражения груди с высоким риском, такие как дольчатая неоплазия, папилломы и лучевые рубцы.
Они также планируют продолжить проверку своего подхода на больших внешних наборах данных с использованием государственных и национальных регистров рака груди и сотрудничества с другими медицинскими центрами.