科學家開發新機器學習模型：可用于前列腺癌預測與評估

前列腺癌是出自前列腺的惡性腫瘤。大多數前列腺癌生長速度較為緩慢，但仍有些生長相對快速，癌細胞可轉移到骨頭和淋巴結等部位。前列腺癌早期可能沒有癥狀，晚期可能出現排尿困難、尿血、背痛等癥狀。

近日，美國丹娜法伯癌癥研究院、麻省理工學院和哈佛大學的研究團隊，利用前列腺癌患者的多組學數據，開發了一款可用于前列腺癌預測與評估的機器學習分析模型P-NET（Pathway-aware multi-layered hierarchical network）。

該研究團隊基于1013例前列腺癌患者數據，通過分析基因突變、基因拷貝數、基因融合等信息，構建了基于生物信息學的深度學習模型。利用該模型可對前列腺癌患者進行危險分層，評估靶向治療相關分子驅動因素狀況，以及預測癌癥狀態等。 

研究證明，P-NET其性能優于其他建模方法。此外，P-NET內的生物可解釋性揭示了既定的和新的分子改變候選者，如MDM4和FGFR1，這些候選者涉及晚期疾病的預測，并在體外得到驗證。從廣義上講，生物學上的全面可解釋神經網絡使前列腺癌的臨床前發現和臨床預測成為可能，還可能具有跨癌癥類型的普遍適用性。

題為Biologically informed deep neural network for prostate cancer discovery的相關研究論文發表在《自然》雜志上。

前瞻經濟學人APP資訊組

論文原文：

https://www.nature.com/articles/s41586-021-03922-4

標簽： 科學家 開發 新機器 機器