机器学习方法或改善肺癌筛查 |《自然》论文学术资讯

来源：Nature自然科研

根据《自然》本周发表的一项研究Integrating genomic features for non-invasive early lung cancer detection，一种机器学习方法能鉴别出早期肺癌患者。这一方法可以检测血样中的肿瘤源性DNA（即液体活检），或有助于增加高危人群的筛查率。

一般推荐高危群体做CT扫描进行肺癌筛查，这种模式已被证明能减少肺癌相关死亡。不过，由于费用高、筛查项目少以及对假阳性的担忧，这种筛查的使用度并不高；美国约5%符合条件的个体会做这种筛查。血液检测是另一种颇受欢迎的癌症检测方法，但大部分液体活检研究主要监测的是晚期患者，他们可能比早期患者拥有更高水平的肿瘤相关DNA标记。

血浆法（Lung-CLiP）检测肺癌发展的可能性。来源：Chabon, J.J., Hamilton, E.G., Kurtz, D.M. et al.

美国斯坦福大学的Maximilian Diehn和同事优化了一种现有的评估循环肿瘤DNA（ctDNA）的测序方法。他们改善了DNA的提取，鉴定出有望作为有效疾病标记的变化。作者用该方法表明，尽管ctDNA在早期肺癌患者体内水平很低，却是一个很有力的预后指标。他们随后用这些数据改进了一种机器学习方法，将其用来预测血样中存在的肺癌源性DNA。在由104例早期非小细胞肺癌患者和56例匹配对照组成的初期样本中，这种方法可以区分早期肺癌患者与风险匹配的对照；在另一个由46例病例和48例对照组成的独立验证队列中，研究人员确认了以上结果。

Nature | DOI: 10.1038/s41586-020-2140-0

点击“阅读原文”查看论文英文原文

Integrating genomic features for non-invasive early lung cancer detection

人工智能助力肺癌的早期诊断 | 《自然-医学》

利用AI模型加快检测乳腺癌 |《自然》论文

本文由施普林格·自然上海办公室负责翻译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件China@nature.com。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。

来源：Nature-Research Nature自然科研

原文链接：http://mp.weixin.qq.com/s?__biz=MzAwNTAyMDY0MQ==&mid=2652568420&idx=4&sn=ad52a91504dd6cfb4fb32bf3a2fc9f0d&chksm=80cd55eab7badcfc2a17c33fd9685cf5614cef0587f879eec1275f4ccd52acda269f7672aa35&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn