(资料图片仅供参考)
发表在PLOS ONE 上的一项新研究表明，使用机器学习 (ML) 技术可以更早地识别出患胰腺癌风险较高的个体，这将导致更多的患者幸存下来。
该研究由伦敦卫生与热带医学学院 (LSHTM) 领导，并由英国慈善机构胰腺癌研究基金 (PCRF) 资助。
它使用了英国电子健康记录，记录了 2005 年 1 月至 2009 年 6 月期间被诊断出患有胰腺癌的 1,000 多名年龄在 15-99 岁之间的患者。
研究人员检查了 GP 在癌症诊断前两年内记录的患者的多种症状和健康状况。然后，他们开发了一种算法，该算法“学习”了如何区分发展为胰腺癌的患者和未患胰腺癌的患者。
然后使用该算法仅从 GP 记录中识别出患胰腺癌的高风险人群。
使用这种技术，41% 的 60 岁以下患者在诊断前 20 个月被确定为高风险。超过 72% 继续被诊断出的人会被成功识别为高风险(敏感性)，而 59% 未患癌症的人被正确识别为低风险(特异性)。60 岁以上患者的结果相似，43% 在 17 个月时确定，敏感性为 65%，特异性为 57%。
该团队估计，将他们的算法与简单的血液和尿液检测相结合，可能会检测出目前正在调查的胰腺癌，可能会导致 30 名老年患者和 400 名年轻患者被确定为“潜在患者”。这可能导致所有胰腺癌肿瘤中约 60% 的早期诊断。
作者承认，需要进一步的工作来确认、完善和评估这些发现在实践中的潜在用途。
伦敦卫生与热带医学学院的共同主要作者 Ananya Malhotra 博士说：“每年，全世界有 460,000 人被诊断出患有胰腺癌，其中只有大约 5% 的人能存活五年或更长时间。这个低生存是因为患者通常很晚才被诊断出来。最近在识别血液和尿液中的生物标志物方面取得了进展，但这些测试不能用于人群筛查，因为它们非常昂贵并且由于过度测试的心理压力而可能有害.
“虽然是初步的，但这项研究为胰腺癌的新的早期诊断提供了一些希望，直到现在仍然难以捉摸。”
关键词：
