Разработаны алгоритмы для точной диагностики подтипов рака

Команда исследователей из пяти различных стран представила новаторские алгоритмы машинного обучения, способные классифицировать злокачественные опухоли по их молекулярным подтипам.

Эти модели, созданные с целью упрощения диагностики в клинической практике, уже доступны в открытом доступе. Результаты их работы опубликованы в журнале Cancer Cell.

Молекулярное типирование опухолей играет важнейшую роль в онкологии, поскольку позволяет определить биологические процессы внутри опухоли, прогнозировать течение заболевания и подбирать наиболее эффективные методики лечения.

Однако существующие методы классификации часто сталкиваются с ограничениями, связанными с конкретными наборами данных, что затрудняет их использование в реальных клинических условиях.

Под руководством Питера Лэрда из Института Ван Андела была проведена масштабная работа по анализу 8791 опухоли из Атласа ракового генома (TCGA). Образцы охватывали 106 различных подтипов, относящихся к 26 видам рака. Исследование включало изучение пяти типов данных: мутации, количество копий генов, матричная РНК, метилирование ДНК и микроРНК.

Для анализа были задействованы пять алгоритмов машинного обучения: AKLIMATE, CloudForest, SK Grid, JADBio и subSCOPE. Каждый из алгоритмов был обучен либо на отдельных типах рака, либо на всех сразу.

В ходе работы исследователи создали более 412 тысяч моделей классификаторов, оптимизированных для минимального набора признаков. В итоге было отобрано 737 лучших моделей для различных видов рака и типов данных.

Ранее «Медздрав.Инфо» сообщал о том, что в Австралии выяснили, что 20% языков на Земле грозит исчезновение.