纽卡斯尔大学的研究团队开发了一个用户友好的DeepMerkel MCC生存计算器，可以预测患者层面的疾病特异性生存率（DSS）。这项研究发表在《npj数字医学》上，DOI: 10.1038/s41746-024-01329-9。
人工智能可以通过生成个性化的治疗结果预测来确定侵袭性皮肤癌（如默克尔细胞癌，MCC）的病程和严重程度，从而增强临床决策。一个由英国纽卡斯尔大学领导的国际团队将机器学习与临床专业知识相结合，开发了一个名为“DeepMerkel”的基于网络的系统，该系统可以根据个人和肿瘤特征预测MCC的治疗结果。
他们建议，这一系统还可以应用于其他侵袭性皮肤癌，以实现精确预后、提高临床决策的知情性并改善患者的治疗选择。默克尔细胞癌是一种罕见但极具侵袭性的皮肤癌，通常影响免疫系统较弱的老年患者，这些患者往往在晚期才被诊断出来，导致预后较差。
纽卡斯尔大学整形外科医生、博士生Tom Andrew博士表示：“DeepMerkel使我们能够预测默克尔细胞癌的病程和严重程度，从而实现个性化治疗，使患者获得最佳管理。使用AI使我们能够发现数据中微妙的新模式和趋势，这意味着我们可以为每位患者提供更准确的预测。”
Andrew博士补充说：“从2000年到2020年的20年间，这种癌症的诊断人数翻了一番。虽然它仍然罕见，但它是一种侵袭性皮肤癌，越来越多地影响老年人。”
该研究由纽卡斯尔大学皮肤病学教授Penny Lovat和纽卡斯尔大学高级临床讲师、纽卡斯尔医院NHS基金会信托基金整形外科顾问Aidan Rose博士共同进行。
Rose博士表示：“能够准确预测患者的预后对于指导临床决策至关重要。这在治疗侵袭性皮肤癌时尤为重要，因为这类癌症的患者群体复杂，通常需要做出困难且有时是改变生活的治疗选择。我们使用AI取得的进展使我们能够提供个性化的生存预测，并告知患者的医疗团队最佳治疗方案。”
在《npj数字医学》和《美国皮肤病学会杂志》的两篇互补论文中，研究团队描述了如何使用先进的统计和机器学习方法开发针对MCC的基于网络的预后工具。
方法
在《npj数字医学》中，研究团队描述了他们如何通过解释性分析和数据揭示侵袭性癌症MCC的死亡风险因素的新见解。然后，他们结合深度学习特征选择和修改后的XGBoost框架，开发了一个基于网络的MCC预后工具，即DeepMerkel。
通过对来自两个国家的近11,000名患者的分析，《美国皮肤病学会杂志》上的研究表明，DeepMerkel能够在癌症早期阶段准确识别高危患者。这使得医生可以更明智地决定何时使用激进的治疗选项和强化疾病监测。
患者至上
研究团队希望DeepMerkel能为患者提供更好的信息，以便与医疗团队一起决定最适合他们的治疗方法。
Andrew博士补充说：“随着进一步的投资，我们团队令人兴奋的下一步是进一步开发DeepMerkel，使该系统能够向临床医生提供最佳治疗路径的建议。”
下一步是将DeepMerkel网站集成到常规临床实践中，并扩大其应用范围到其他类型的肿瘤。
(全文结束)
