Учёные создали новые алгоритмы, которые упростят диагностику подтипов рака

Исследователи представили новые алгоритмы машинного обучения, которые помогут в борьбе с раком.

Команда исследователей из пяти стран представила новые алгоритмы машинного обучения, предназначенные для классификации злокачественных опухолей по молекулярным подтипам. Эти модели могут упростить диагностику в клинической практике.  Результаты работы опубликованы в журнале Cancer Cell.

Молекулярное типирование новообразований имеет большое значение в сфере онкологии, поскольку оно помогает предсказывать развитие болезни и подбирать подходящие способы лечения. Но традиционные методы классификации зачастую ограничены определёнными наборами информации.

Команда под руководством Питера Лэрда из Института Ван Андела провела исследование 8791 образца опухолевой ткани из Атласа ракового генома (TCGA). В ходе исследования были проанализированы пять типов данных: мутации, количество копий генов, матричная РНК, метилирование ДНК и микроРНК.

Специалисты использовали пять методов машинного обучения для анализа различных видов рака. В результате было создано более 412 тысяч моделей-классификаторов. Из них было отобрано 737 наиболее эффективных моделей для разных типов рака и наборов данных.

Эти модели были опубликованы в открытом доступе. Они могут применяться как в клинических исследованиях, так и в обычной медицинской практике.