O método novo da aprendizagem de máquina prevê se a hiperplasia ductal atípica girará cancerígeno

A hiperplasia ductal atípica (ADH) é uma lesão do peito associada com um aumento quatro quíntuplo no risco de cancro da mama. O alimentador automático do papel primeiramente é encontrado usar a mamografia e identificado na biópsia da agulha do núcleo. Apesar das passagens múltiplas da lesão durante a biópsia, somente as parcelas das lesões são provadas. Outros factores variáveis influenciam a amostra e a precisão tais que a presença de cancro pode ser subestimada por 10-45%. Actualmente, a remoção cirúrgica está recomendada para todas as caixas do alimentador automático do papel encontradas em biópsias da agulha do núcleo para determinar se a lesão é cancerígeno. Aproximadamente 20-30% de caixas do alimentador automático do papel são promovidas ao cancro após a excisão cirúrgica. Contudo, isto significa que 70-80% das mulheres se submetem a um procedimento cirúrgico caro e invasor para uma lesão benigna (mas de alto risco).

Uma equipa de investigação de Dartmouth conduzida por Saeed Hassanpour, PhD, encontrou um método da aprendizagem de máquina para prever a elevação do alimentador automático do papel ao cancro. Ter esta informação pode potencial ajudar clínicos e pacientes de baixo-risco a decidir se a fiscalização activa e a terapia hormonal são uma alternativa razoável à excisão cirúrgica. A avaliação do modelo mostrou que a aproximação da aprendizagem de máquina da equipe pode identificar 98% de todos os casos malignos antes da cirurgia ao poupar da cirurgia 16% das mulheres que de outra maneira se submeteriam a uma operação desnecessária para uma lesão benigna. Seus resultados, previsão de elevações Ductal atípicas da hiperplasia com uma aproximação da aprendizagem de máquina para reduzir excisões cirúrgicas desnecessárias têm sido publicados recentemente na informática clínica do cancro de JCO.

“Nossos resultados sugerem haja umas diferenças clínicas robustas entre mulheres no ponto baixo contra o risco elevado para a elevação do alimentador automático do papel ao cancro baseado nos dados da biópsia da agulha do núcleo que permitiram que nosso modelo da aprendizagem de máquina previsse confiantemente elevações da malignidade em nosso conjunto de dados,” diga Hassanpour. “Este estudo igualmente identificou as variáveis clínicas importantes envolvidas no risco da elevação do alimentador automático do papel.”

Usar a excisão cirúrgica para ordenar para fora a malignidade não é sem dano enquanto 70-80% das mulheres se submetem à excisão cirúrgica invasora para lesões benignas do alimentador automático do papel. “Nosso modelo pode potencial ajudar pacientes e clínicos para escolher uma aproximação alternativa da gestão em casos de baixo-risco,” diz Hassanpour. “Na era da medicina personalizada, tais modelos podem ser desejáveis para os pacientes que avaliam uma aproximação compartilhada da tomada de decisão com a capacidade para escolher entre a excisão cirúrgica para a certeza contra a fiscalização evitar o custo, o esforço, e efeitos secundários potenciais nas mulheres em de baixo-risco para a elevação do alimentador automático do papel ao cancro.”

A equipe planeia logo expandir o espaço de seu modelo incluindo outras lesões de alto risco do peito tais como a neoplasia lobular, os papilomas, e as cicatrizes do radial. Igualmente planeiam mais em validar sua aproximação em grandes conjunto de dados externos usando o estado e registros nacionais do cancro da mama, e colaborando com outros centros médicos.

Saeed Hassanpour, PhD, é um professor adjunto da ciência biomedicável dos dados, professor adjunto da epidemiologia, e professor adjunto da informática nos departamentos da ciência e da epidemiologia biomedicáveis dos dados na Faculdade de Medicina do Geisel de Dartmouth, e no membro do programa de investigação da ciência da população do cancro no centro do cancro do algodão do Norris de Dartmouth. Seus interesses da pesquisa incluem a informática biomedicável, a aprendizagem de máquina, e a medicina personalizada.

Source: https://www.dartmouth-hitchcock.org/