医学新闻，人工智能(AI)准确预测了头颈癌放疗最具挑战性的副作用。这项研究的结果发表在天文杂志上。

        这种精确的肿瘤学方法有可能识别出更好的患者，这些患者可能受益于早期干预，这些干预可能有助于防止治疗后体重显著下降或减少对饲管放置的需要。

        “过去，很难预测哪些病人可能会经历这些副作用，”Jay Reddy医学博士说，他是德克萨斯大学MD安德森癌症中心放射肿瘤学助理教授，也是这项研究的主要作者。“现在我们有了一个可靠的机器学习模型，利用大量的内部机构数据，让我们能够做到这一点。”

        机器学习是人工智能的一个分支，它使用统计模型来分析大量的数据，揭示能够以高精确度预测结果的模式。机器学习被科技行业用于语音和面部识别、“垃圾邮件”过滤和定向广告，已成为医学研究人员感兴趣的新兴话题，他们希望将大量数据转化为支持临床决策的知识。

        雷迪博士和他的团队开发了模型来分析来自三个来源的大数据集:电子健康记录(Epic)、基于web的内部图表工具(Brocade)和记录/验证系统(Mosaiq)。变量的数据包括700多个临床和治疗头颈癌患者(男性25%女性75%,平均年龄62岁)接受超过2000门课程的放射治疗(平均剂量60 Gy)横跨5个练习网站MD安德森从2016年到2018年。

        研究人员使用这些模型来预测三个端点:显著的体重下降、饲管放置和意外住院。结果从最佳表现的模型，然后验证了225个后续的连续放疗治疗。模型的表现率达到预先规定的曲线下面积(AUC)阈值0.70或更高，被认为是临床有效的。(AUC得分为1.0意味着该模型的预测是100%准确的，而得分为0.0则意味着预测从不准确。)

        在美国，每年约有53,000人被诊断为头颈部(口腔或口咽)癌。这些癌症在男性中的发病率是女性的两倍多，而且通常在较晚的年龄被诊断出来(平均诊断年龄为62岁)。早期诊断的头颈癌，通常用放射疗法或手术治疗。晚期癌症的治疗是结合放疗和化疗。患者也可以先进行手术治疗，然后单独放疗或放疗与化疗联合治疗。

        放射治疗是有效的治疗头颈部癌症减慢或停止生长的新癌细胞。然而，它也可能损害口腔组织，破坏口腔内细菌的平衡，引起副作用，如喉咙痛、口腔溃疡、味觉丧失和口干。当喉咙痛很严重时，病人会难以进食，可能会导致体重减轻或需要暂时插入饲管。几乎所有的头颈癌患者都经历过治疗的一些负面影响。

        雷迪博士说:“如果能够确定哪些病人面临的风险最大，那么放射肿瘤学家就可以采取措施，预防或减轻这些可能的副作用。”

        “如果患者有中度风险，他们可能在不需要喂食管的情况下完成治疗，我们可以采取预防措施，比如让他们与营养学家联系，并为他们提供营养补充。”如果我们知道他们放置饲管的风险极高——超过50%的几率他们需要——我们可以提前放置，这样他们就不必在治疗后住院。我们知道要密切注意那个病人。”

        模型预测了显著减重的可能性(AUC = 0.751)和饲管放置的需要(AUC = 0.755)，具有较高的准确性。

        “在这项研究中使用的模型在预测这两种结果方面一直很好，”雷迪博士说。“你可以对新患者或一系列患者重新运行这些模型，得到一个数字，表明这种不利影响可能会发生，也可能不会发生。”

        例如,Reddy博士说,使用他们的模型中,临床医生可能插件相关的信息到一个特定的病人,如年龄、性别、类型的癌症和其他不同的变量,模型可以告诉他们,“百分之八十的人喜欢你这没有喂食管的临床资料通过治疗。这也许并不完美，但总比完全没有理解要好。”

        该模型未能预测有足够临床有效性的意外住院(AUC = 0.64)。雷迪博士说，用更多的“训练”数据重新分析意外住院治疗也可以提高预测这种副作用的准确性。“随着我们治疗的病人越来越多，样本量也越来越大，所以每一个数据点都应该更好。我们可能只是没有为这个模型积累足够的信息。”

        雷迪博士说，虽然机器学习方法不能孤立出导致负面副作用的最具预测性的单一因素或多种因素的组合，但它可以让患者及其临床医生更好地了解治疗过程中可能出现的情况。他解释说，除了预测副作用的可能性外，机器学习模型还可能预测哪种治疗方案对不同类型的患者最有效，并为放射肿瘤学提供更个性化的治疗方法。

        “通过降低出错的风险，机器学习可以让医生更有效率，让治疗更安全，”雷迪博士说。“它有可能影响当今放射肿瘤学的所有方面——任何计算机可以查看数据并识别模式的领域。”

        来源：Medindia

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！