Keuhkosyöpä Multi-omics Digital Human Avatars tarkkuuslääketieteen integroimiseksi kliiniseen käytäntöön (LANTERN)

Potilasilmoittautuminen ja omiikkatiedonkeruu Tämän WP:n tavoitteena on kerätä tietoa kaikista kliinisistä ja omiikkapohjaisista tietolähteistä, joita pidetään kliinisesti merkittävinä päätöksenteon tukena keuhkosyövän kokonaisdiagnoosin ja hoidon työnkulussa. Tulevaa tiedonkeruuta varten erityisten tapausraporttilomakkeiden (CRF) avulla kehitetään jäsennelty terminologinen järjestelmä.

Potilaat rekisteröidään erityisiin tutkimusilmoittautumiskeskuksiin, ja viidestä omiikkapohjaisesta muuttujasta saadut tiedot kerätään ja tallennetaan suojattuun tietokantaan.

Omics-tietojen arkistointi ja vuorovaikutus Tämän WP:n päätavoitteena on mahdollistaa tietojen täydellinen integrointi sekä olemassa oleviin että uusiin arkistointijärjestelmiin ja varmistaa kerätyn omics-datan helppo ja tehokas käyttö ja jakaminen.

Kaikki kerätty data, joka edustaa erilaisia ​​harkittuja omics-alueita, tallennetaan yhteisen yhteisen ontologian mukaisesti. Jaettu yleinen ontologia edustaa jäsenneltyä terminologista järjestelmää tietojen arkistointia ja analysointia varten, jossa kaikki eri omics-alueet tallennetaan erityiseen eCRF:ään, mikä varmistaa kaikkien kerättyjen datamuuttujien johdonmukaisuuden. Lopuksi kerätylle omiikkaan liittyvälle datalle suoritetaan radiominen analyysi ja radioiset piirteet erotetaan sitten.

Omics-datan mallintaminen, Digital Human Avatar (DHA) luominen ja validointi

Tämä työryhmä keskittyy tarkkojen ennustavien mallien kehittämiseen (luomalla Digital Human Avatareja (DHA)) ja niiden validointiin. Tämän WP:n tarkoituksena on tunnistaa tehokkaat ensisijaiset biomarkkerit, harmonisoida ne kompaktien tilastollisten mallien avulla ja tämän jälkeen luoda potilaskohtaisia ​​DHA:ita, jotka ovat yksilöllisiä jokaiselle potilaalle. Suunnittelemme integroivamme kaiken edellä mainitun omiikkadatan ennustaviin malleihin, jotka muodostavat perustan täysin personoidulle ja innovatiiviselle keuhkosyövän integroidulle päätöksenteon tukijärjestelmälle. Tämä WP on jaettu kolmeen vaiheeseen:

Vaihe 1: Omics-ominaisuudet tunnistaminen ja valinta Vaihe 2: Ennakoiva mallin kehittäminen ja DHA:n luominen Vaihe 3: Ennakoiva malli ja DHA-validointi

Omics-ominaisuuksien tunnistaminen ja valinta:

Ensimmäisessä vaiheessa tutkiva analyysi kaikista kerätyistä tietojoukoista arviolta ≈ 240 NSCLC-potilaasta mahdollistaa biomarkkerien tunnistusprosessin aloittamisen ja rajoittaa tiedon siirrettyjen määrää kohti valittua mahdollisten biomarkkerien joukkoa. Tässä ensimmäisessä vaiheessa käytetään vankkoja data-analyysitekniikoita relevanttien muuttujien tunnistamiseksi yksimuuttujaisessa ympäristössä ottaen huomioon yksittäiset tilastojakaumat, ominaisuuksiin liittyvät korrelaatiot ja yleiset kuvaavat tilastot.

Ennakoiva mallin kehittäminen ja DHA:n luominen:

Toisen vaiheen tavoitteena on luoda useita erillisiä, mutta modulaarisia monimuuttujamalleja, joita koulutetaan edistyneillä ML- ja tekoälytekniikoilla, segmentoituna tiettyihin modulaarisiin kiinnostaviin alueisiin ja myöhemmin DHA:n luomiseen. Erilaisia ​​valvottuja malleja kehitetään mukaan lukien logistinen regressio, päätöspuu, tukivektorikone, satunnaismetsä, XGBoost-luokitin ja keinotekoiset neuroverkot. K-kertaista ristiinvalidointia käytetään hyperparametrien virittämiseen ja ML-mallien suorituskyvyn tilastollinen merkitsevyysvertailu suoritetaan. Tämä tehdään ennakoivan suorituskyvyn arvioimiseksi tarkkuuden (potilaiden kokonaismäärän perusteella oikein luokiteltujen koehenkilöiden lukumäärä) ja tarkkuuden (todellinen positiivinen testipositiivisen kokonaismäärän perusteella, muistaminen (herkkyys), F1-pistemäärä (2*tarkkuus*palautus/(tarkkuus) perusteella) perusteella. +palautus)) ja AUC-ROC.

DHA:n luomiseen liittyy tiettyjen algoritmien integrointi tiedonpoimintaputkeen tiedonkulun puhdistamiseksi ja uudelleenjärjestämiseksi, samalla kun käytetään tekstinlouhintaa ja luonnollisen kielen käsittelytekniikoita jäsentämättömiin teksteihin. Tämän esikäsittelyn tulokset koodataan sitten uudelleen erityisesti määritetyn ontologian kautta kaksoiskappaleiden paljastamiseksi. Tämä johtaa Marts-datan luomiseen, jota päivitetään jatkuvasti ja automaattisesti uusilla tiedoilla. Käytettävissä olevien jo käsiteltyjen tietojen perusteella kehitettyä algoritmia ja sen taustalla olevaa infrastruktuuria käytetään kliinikkojen äskettäin päivitettyjen potilastietojen luokitteluun rajapinnan avulla. Dynaamisen käyttöliittymän kautta esitettävät tiedot mahdollistavat tietokannassa jo olevien aiemmin lisättyjen potilastietojen perusteellisen tutkimisen, jotta voidaan päätellä paras toimintatapa historiallisten tietojen ja kliinikon kokemuksen perusteella. Tämä johtaa yleisempään kartoitustyönkulkuun, joka toimii hypoteesigeneraattorina käyttäjälle klusteroimalla tiedot mukautettujen kriteerien perusteella ja luoden siten tutkivan analyysin saatavilla olevista tiedoista.

Tutkijat arvioivat, että noin 300 NSCLC-tapausta täydellisine tiedoineen riittää tämän prosessin aloittamiseen. Sekä käyttäjäystävällisyys että mallin selitettävyys ovat mallinkehitysstrategioiden ensisijainen standardi. Helposti tulkittavissa olevat arvot, kuten SHAP (SHapley Additive ExPlanations) -arvot, liitetään kuhunkin malliin, jotta vältetään musta laatikko -lähestymistapa, joka saattaisi tehdä mallin tulosten vaikeaksi selittää potilaille heidän kanssakäymisensä aikana kliinikoiden kanssa.

Ennustava malli ja DHA-validointi: Sekä kehitetty malli että kattava DHA validoidaan niiden kestävyyden, siirrettävyyden ja yleistettävyyden testaamiseksi. Käytetään kahta peräkkäistä validointistrategiaa: sisäistä ja ulkoista validointitekniikkaa. Arvioimme yhteensä noin 420 NSCLC-tapausta validointiprosessin aloittamiseksi. Tämä prosessi sisältää sekä sisäisen että ulkoisen validoinnin.