用机器学习预测头颈部癌症治疗毒性

MD安德森的研究人员开发乐动体育LDsports中国了第一种机器学习算法，用于预测接受放射治疗的患者的急性毒性头颈癌．研究结果在今天举行的第61届世界卫生组织年会上公布美国放射肿瘤学学会．

研究负责人说:“头颈部辐射会产生很多毒性，但并不总是清楚哪些患者会出现严重的副作用。Jay Reddy，医学博士，放射肿瘤学助理教授．

Reddy的团队开始开发算法，可以预测显著的体重减轻(放射治疗期间≥10%)、喂食管的放置和三个月开始放射治疗后的计划外住院情况。

“这些患者根本没有减肥，这几乎是闻所未闻的，但许多患者能够在没有喂食管的情况下完成治疗。因此，我们不想把它不必要地放在直觉上。长时间使用喂食管会妨碍吞咽肌肉的恢复。”Reddy说。“我们面临的挑战是如何平衡这种担忧和一些患者在没有帮助的情况下无法接受治疗，他们对营养的需求变得非常迫切。我们需要一种有用的工具，在早期更好地识别需要积极帮助的患者。”

研究人员乐动体育LDsports中国从2016年5月至2018年8月在MD Anderson接受治疗的2121名头颈部癌症患者中提取了数百个数据点，并与他们合作Oncora医疗该公司是一家精密放射肿瘤学软件公司，负责开发预测算法。数据集包括人口统计学、肿瘤特征、治疗和结果。

预测价值的体重减轻，饲管需要

机器学习模型的表现是用一个叫做ROC曲线下面积(AUC)的分数来衡量的。AUCs的范围通常在。50(这意味着模型不能区分有不良结局的患者和没有不良结局的患者)到1.0(这意味着模型完全能够区分两组患者)之间。AUC大于0.70的模型被认为是临床有效的。

雷迪的团队使用1896名患者的数据来开发初始算法，然后用另外225名患者的数据验证模型。预测饲管放置和显著体重减轻的算法的临床有效AUC值分别为0.755和0.751。

Reddy说:“我们的算法是预测这些端点的第一个有用模型。”

由于AUC为0.676，非计划住院算法被认为在临床上没有用处，但该团队希望有了额外的数据，模型将得到改善。下一步是在临床试验中进行进一步的测试和验证。

雷迪说:“随着时间的推移，我们将更好地了解驱动这一模式的因素。”“有可能在不久的将来，我们将能够输入患者的数据，并预测患者有X%的几率需要进食管，这让我们能够确定哪些人更有可能需要早期干预。”

参见“应用机器学习方法预测头颈部癌症患者的急性辐射毒性”研究的合著者的完整列表(摘要141)。可以找到ASTRO的摘要在这里数据提交后。