Opracowanie modelu uczenia maszynowego do badań przesiewowych raka nosogardzieli w oparciu o obrazowanie języka

Rak nosogardła występuje powszechnie w Chinach, Azji Południowo-Wschodniej i Afryce Północnej i jest na ogół związany z zakażeniem wirusem Epsteina-Barra (EBV). Stosowanie przeciwciał specyficznych dla wirusa EBV lub badań przesiewowych DNA wirusa EBV może zwiększyć odsetek pacjentów, u których zdiagnozowano wczesnego raka nosogardzieli z około 20% do ponad 70%. We wcześniejszych badaniach badacze odkryli, że uczestnicy, którzy przeszli badania przesiewowe, mieli większe szanse na osiągnięcie długoterminowego przeżycia po zdiagnozowaniu raka nosowo-gardłowego w porównaniu z grupą kontrolną, a ryzyko zgonu z powodu raka nosowo-gardłowego było niższe wśród pacjentów objętych badaniem przesiewowym (ryzyko względne 0,22). . Jednakże zastosowanie badań przesiewowych w kierunku raka nosogardzieli w praktyce klinicznej utrudniają niskie dodatnie wartości predykcyjne, nawet na obszarach, gdzie w Chinach dominuje wirus EB, dodatnia wartość predykcyjna wynosi jedynie 4,8%. Ponad 95% uczestników wysokiego ryzyka zidentyfikowanych w wyniku podstawowych badań serologicznych przeszło niepotrzebne i czasochłonne badania kliniczne i obserwację. Kombinacja różnych biomarkerów, wieloetapowe badania przesiewowe i identyfikacja nowych biomarkerów służą poprawie skuteczności strategii badań przesiewowych w kierunku raka nosowo-gardłowego. Jednakże dotychczasowy postęp jest w dalszym ciągu niezadowalający, charakteryzuje się niską czułością, skomplikowaną obsługą i wysokimi kosztami. Dlatego istnieje pilna potrzeba zidentyfikowania nowych biomarkerów lub strategii o wysokiej czułości i pozytywnej wartości predykcyjnej w badaniach przesiewowych w kierunku raka nosowo-gardłowego.

W „The New England Journal of Medicine” z 2023 r. zespół profesora Xia Ningshao doniósł o identyfikacji i walidacji całkowitego przeciwciała anty BNLF2 (P85Ab) jako nowego biomarkera serologicznego w badaniach przesiewowych w kierunku raka nosogardzieli. Czułość raka nosogardła P85-Ab wynosi 97,9 %, z dodatnią wartością predykcyjną wynoszącą 10,0%. Ponadto, na podstawie dodatniego wyniku P85-Ab, jeśli zostanie przeprowadzone dalsze wykrywanie podwójnych przeciwciał EB (antygen jądrowy EBV 1 [EBNA1]-IgA i antygen kapsydowy wirusa specyficzny dla EBV [VCA]-IgA), ryzyko średniego lub średniego wysokiego osoby z podwójnymi przeciwciałami EB mogą zostać poddane badaniu nosofaryngoskopii, co może zwiększyć pozytywną wartość predykcyjną badań przesiewowych w kierunku raka nosowo-gardłowego do 29,6% -44,6%, co oznacza, że ​​na każde 2-3 wykonane nosogardzieli można rozpoznać jeden przypadek raka nosowo-gardłowego. Czułość tego badania jest bardzo wysoka, ale dodatnia wartość predykcyjna wynosi tylko 10%. Nawet w połączeniu z tradycyjnym monitorowaniem podwójnych przeciwciał przeciwko EB i endoskopią nosa, od jednej trzeciej do połowy pacjentów z rakiem jamy nosowo-gardłowej nadal przechodzi niepotrzebne i czasochłonne badania kliniczne. Dlatego nadal konieczne jest badanie prostych i opłacalnych metod udoskonalenia strategii o pozytywnej wartości predykcyjnej w badaniach przesiewowych w kierunku raka nosowo-gardłowego.

Badanie opublikowane w czasopiśmie Lancet „eClinicalMedicine” w 2023 r. wykazało, że model obrazu języka oparty na uczeniu maszynowym może służyć jako stabilna metoda diagnostyczna raka żołądka (AUC=0,89). i został potwierdzony klinicznie w wielu ośrodkach. Badanie to inspiruje badaczy do wprowadzenia technologii uczenia maszynowego opartej na sztucznej inteligencji do diagnostyki i leczenia raka nosogardzieli.

Podsumowując, plan ten bada ustanowienie modeli uczenia maszynowego obrazu języka u pacjentów z rakiem nosogardzieli, aby pomóc poprawić pozytywną wartość predykcyjną badań przesiewowych w kierunku raka nosogardzieli.