Прогностическая модель, разработанная с использованием подхода машинного обучения, может идентифицировать афроамериканских пациентов с раком груди с повышенным риском смерти, согласно результатам исследования, представленного на 11-й конференции AACR по науке о различиях в здоровье рака у расовых / этнических меньшинств и с медицинской точки зрения. Недостаточно обслуживается, здесь проводится ноябрь. 2-5.
"Используя данные об экспрессии генов, мы разработали шаблон машинного обучения для точной стратификации афроамериканских пациентов с раком груди с высоким и низким риском смерти, что может помочь в принятии клинических решений," сказал Шристи Бхаттарай, доктор философии.D. кандидат в лабораторию Риту Анеха, Ph.D., на факультете биологии Государственного университета Джорджии. "Поскольку у афроамериканских женщин, как правило, худшие исходы рака груди, это исследование поможет нам выявить расовые различия в этой когорте, которые потенциально могут привести к определенным терапевтическим режимам для афроамериканских женщин с раком груди."
В то время как заболеваемость раком груди примерно одинакова между европейскими и афроамериканскими женщинами в США.S., По словам Бхаттараи, скорректированные по возрасту показатели смертности среди афроамериканских женщин с раком груди на 40 процентов выше. "Этиология этого поразительного несоответствия исходов является многофакторной и возникает из-за сочетания социально-экономического неравенства с изначально более агрессивной биологией опухолей у женщин африканского происхождения," она отметила. "Мы хотели идентифицировать отпечаток пальца, который мог бы стратифицировать афроамериканских пациентов с раком груди с различными прогностическими рисками."
Используя данные из атласа раковых протеомов (TCPA), Бхаттарай и его коллеги проанализировали уровни экспрессии 224 белков у 754 пациентов с раком груди. Из этих пациентов 620 были европейцами и 134 афроамериканцами. Авторы объяснили, что разработанный ими алгоритм позволил исследователям идентифицировать значимые комбинации белков, которые были связаны с выживаемостью при раке груди.
Алгоритм глубокого обучения определил комбинацию из четырех белков для оптимального прогнозирования прогноза: Bcl2-подобный белок (BAX), инозитолполифосфат-4-фосфатаза, тип II (INPP4B), перекрестно комплементарный белок 1 (XRCC1), восстанавливающий рентгеновские лучи, и Расщепленная поли (АДФ-рибоза) полимераза (c-PARP). Эта комбинация белков может стратифицировать пациентов с афроамериканским раком груди из группы высокого риска с точностью 86 процентов.
"Интересно, что эти белки по отдельности не имели значимого прогностического значения," сказал соавтор Сергей Климов, к.D. кандидат в лаборатории Риту Анехи на факультете биологии Государственного университета Джорджии. "Однако их совокупный эффект в рамках модели машинного обучения позволил выявить когорту афроамериканцев, у которой риск смерти был в пять раз выше."
После контроля клинико-патологических переменных, включая возраст пациентов и стадию рака, модель смогла выявить афроамериканских женщин, у которых риск смерти был почти в 11 раз выше.
Исследователи не смогли разделить европейско-американских пациентов с раком груди на группы низкого и высокого риска, используя эту конкретную модель, предполагая, что эта модель является прогностической только для пациентов с раком груди афро-американского происхождения.
"Мы приближаемся к фазе клинических исследований, где мы можем выявить очень специфические модели для малоизученных демографических групп, чтобы найти пациентов с высоким риском, чтобы их можно было привлекать для дополнительных терапий," сказал Aneja. "Мы рады, что наша модель может проинформировать врачей о приоритетах афроамериканских пациентов с раком груди для соответствующих клинических испытаний, а также помочь пациентам принять решение о включении в конкретные клинические испытания."
Ограничения этого исследования включают отсутствие валидации в других когортах. "Нам нужно будет проверить эту модель на разных группах пациентов с раком груди афроамериканского происхождения," Анея отметила. "Мы хотим убедиться, что эту модель можно обобщить на разные методологии."