Dan Theodorescu, MD, PhD, ผู้อำนวยการของ Cedars-Sinai Cancer กล่าวว่า "การตรวจชิ้นเนื้อของเหลวชนิดนี้ ควบคู่ไปกับนวัตกรรมต่างๆ เช่น โครงการริเริ่ม Molecular Twin ของเรา สล็อต เป็นกุญแจสำคัญสู่การแพทย์ยุคใหม่ที่มีความแม่นยำ ซึ่งแสดงถึงแนวพรมแดนใหม่ล่าสุดในการรักษามะเร็ง" ประธานดีเด่นเฟสวัน "และประเภทของความก้าวหน้าที่เรากำลังดำเนินการนั้นเป็นไปได้เฉพาะในสถาบันเช่น Cedars-Sinai Cancer ที่ซึ่งเรามีผู้ป่วย แพทย์ นักวิทยาศาสตร์ และความคิดสร้างสรรค์ด้านวิศวกรรมมารวมกันเป็นหนึ่งหน่วยเพื่อจัดการกับปัญหาที่ท้าทายที่สุดในโรคมะเร็ง"

Posadas และทีมมีเป้าหมายที่จะทำงานร่วมกับพันธมิตรทั้งในระดับท้องถิ่นและระดับชาติ และหวังว่าจะได้เห็นการทดสอบนี้เข้าสู่การปฏิบัติทางคลินิกอย่างกว้างขวางในอนาคตอันใกล้นี้

ปรับปรุงการทำนายการเกิดซ้ำของมะเร็งต่อมลูกหมากโดยใช้โมเดลแมชชีนเลิร์นนิง

การทำนายระยะของมะเร็งต่อมลูกหมากเป็นสิ่งที่ท้าทาย เนื่องจากมีผู้ป่วยมะเร็งต่อมลูกหมากเพียงส่วนน้อยเท่านั้นที่กลับเป็นซ้ำหลังการตัดต่อมลูกหมากออกทั้งหมดหรือการรักษาด้วยการฉายรังสี กระนั้น มะเร็งต่อมลูกหมากยังคงเป็นหนึ่งในมะเร็งที่ร้ายแรงที่สุดในผู้ชายในสหรัฐอเมริกา ขณะนี้ ผู้วิจัยได้พัฒนาโมเดลแมชชีนเลิร์นนิงที่รวมโปรไฟล์ของยีนฟิวชันที่ทราบกันดีว่าแพร่หลายในมะเร็งต่อมลูกหมากด้วยคะแนน Gleason และระดับแอนติเจน ที่จำเพาะต่อต่อมลูกหมาก (PSA) ที่ใช้กันทั่วไป โมเดลแมชชีนเลิร์นนิงปรับปรุงการทำนายการเกิดซ้ำของมะเร็งต่อมลูกหมากอย่างต่อเนื่องโดยการทดสอบทางคลินิกเพียงอย่างเดียวหรือใช้ร่วมกัน ผลลัพธ์ได้รับการรายงานในThe American Journal of Pathologyซึ่งจัดพิมพ์โดย Elsevier

คะแนน Gleason และระดับ PSA ถูกนำมาใช้กับความสำเร็จที่แตกต่างกันในการทำนายผลลัพธ์ทางคลินิกในผู้ป่วยมะเร็งต่อมลูกหมาก อย่างไรก็ตาม ข้อมูลเหล่านี้ให้ข้อมูลเชิงลึกเกี่ยวกับกลไกของโรคอย่างจำกัด เหตุการณ์การหลอมรวมของยีนเป็นที่รู้กันว่าแพร่หลายในมะเร็งต่อมลูกหมาก แต่ศักยภาพในการทำนายการเกิดโรคไม่เป็นที่ทราบแน่ชัด"

Jian-Hua Luo, MD, PhD, Lead Investigator, Department of Pathology, University of Pittsburgh School of Medicine, Pittsburgh, PA, USA

ข้อมูลจากกลุ่มวิจัยหลายสถาบันที่รวมตัวอย่างการผ่าตัดต่อมลูกหมากออกทั้งหมด 271 ตัวอย่างจากศูนย์การแพทย์มหาวิทยาลัยเพนซิลเวเนีย (UPMC), 191 ตัวอย่างจากมหาวิทยาลัยวิสคอนซิน-แมดิสัน และ 112 ตัวอย่างจากศูนย์การแพทย์สแตนฟอร์ด ตรวจพบยีนฟิวชันทั้ง 14 ยีนในมะเร็งต่อมลูกหมากในตัวอย่างจากกลุ่มที่รวมกัน นอกจากนี้ยังมีคะแนน Gleason และซีรั่ม PSA

ผู้ตรวจสอบได้พัฒนารูปแบบการฝึกอบรมโดยใช้ข้อมูล UPMC อัลกอริธึมการเรียนรู้ของเครื่องหลายตัวถูกนำไปใช้กับข้อมูลการทำโปรไฟล์ของยีนฟิวชันเพื่อกำหนดพารามิเตอร์ที่ดีที่สุดของการรวมกันของยีนฟิวชัน 14 ชุดสำหรับการทำนายการเกิดซ้ำของมะเร็งต่อมลูกหมาก อัลกอริทึมที่ดีที่สุดถูกนำไปใช้กับกลุ่มการฝึกอบรมทั้งหมดเพื่อสร้างแบบจำลอง

การทำนายการเกิดซ้ำของมะเร็งตามคะแนน Gleason เพียงอย่างเดียวมีความแม่นยำ 77.9% และ PSA เพียงอย่างเดียวทำนายได้อย่างถูกต้องถึง 73.5% ของการเกิดซ้ำของมะเร็งต่อมลูกหมาก เมื่อรวมข้อมูลคะแนน Gleason ในการวิเคราะห์แมชชีนเลิร์นนิงกับข้อมูลฟิวชัน โมเดลที่รวมกันต่างกันทั้งหมด 442 โมเดลแสดงความแม่นยำสูงกว่า 80% สำหรับโมเดลที่รวมกัน เมื่อรวม PSA เพียงอย่างเดียวกับข้อมูลฟิวชัน แบบจำลอง 265 แบบของชุดค่าผสมที่แตกต่างกันแสดงอัตราการทำนายที่สูงกว่า 75% การรวมกันของข้อมูลฟิวชัน คะแนน Gleason และ PSA ปรับปรุงการทำนายมะเร็งต่อมลูกหมาก 317 โมเดลให้อัตราการทำนาย 80% หรือดีกว่า