Ein team von Wissenschaftler der mit einer großen Anzahl von Institutionen in Deutschland getestet hat mehrere machine-learning-algorithmen, um zu sehen, wie gut Sie sich identifizieren können, die Unterschiede zwischen den Tumoren im Zusammenhang mit Kopf-Hals-Karzinomen. In Ihrem Papier veröffentlicht in der Zeitschrift Science Translational Medicine, der die Gruppe beschreibt die algorithmen und wie gut Sie funktioniert, wenn getestet.
Wie die Forscher beachten Sie, Patienten, die sich entwickeln, Kopf-und Hals-Krebs-Tumoren sind in Gefahr, auch die Entwicklung von sekundären Tumoren. Aber manchmal, wie die Patienten entwickeln auch primäre Arten von Lungenkrebs Tumoren, die nicht mit dem Kopf oder der Hals-Krebs. Es ist wichtig, dass die behandelnden ärzte diese Patienten in der Lage sein zu differenzieren, die tumor-Typen, denn jeder benötigt eine unterschiedliche Behandlung. Auch, beachten Sie die Forscher, dass eine Art von Krebs, insbesondere, genannt Kopf-und Hals-Plattenepithelkarzinom, gilt als unheilbar, sobald es verbreitet sich auf andere Teile des Körpers, wie der Lunge. Aber eine andere Art von Krebs, die sogenannten Lungen-Plattenepithelkarzinom kann oft geheilt werden, mit der Operation. Daher ist es wichtig, dass ärzte erkennen Sie so schnell und genau wie möglich. Leider, zu diesem Zeitpunkt gibt es keine Technik für die Unterscheidung von tumor-Arten. In dieser neuen Bemühung, die Forscher getestet drei neuronale Netzwerk-basierten machine-learning-algorithmen, um zu sehen, wie gut Sie die den job tun könnte.
Sobald die algorithmen waren zum Einsatz bereit, das team gelehrt, zu unterscheiden zwischen tumor-Typen, indem Sie biochemische sample-Daten von 1,071 Patienten, die eine oder andere Krebs-Arten, und auch Proben von Menschen mit gesunden Lungen. Das team berichtet, dass der beste Algorithmus wurde von 96,4 Prozent genau bei der Unterscheidung der tumor-Arten. Sie berichten auch, dass in einem anderen test bei Patienten mit einer Geschichte von Kopf-und Hals-Plattenepithelkarzinome, den besten Algorithmus bewiesen werden rund 98 Prozent genau.