人工智能可以确定侵袭性皮肤癌（如Merkel细胞癌，简称MCC）的病程和严重程度，通过生成个性化的治疗结果预测，增强医生和患者的临床决策制定。由英国纽卡斯尔大学领导的国际研究团队结合机器学习和临床专业知识，开发了一个名为“DeepMerkel”的网络系统，该系统能够基于个人和肿瘤特征预测MCC的治疗结果。
研究团队提出，这一系统可以应用于其他侵袭性皮肤癌，用于精确预后，增强临床决策，并改善患者的治疗选择。MCC是一种罕见但高度侵袭性的皮肤癌，通常影响免疫系统较弱的老年患者，这些患者往往在疾病晚期被诊断出来，导致生存率较低。
纽卡斯尔大学的整形外科医生兼CRUK资助的博士生Tom Andrew博士表示：“DeepMerkel使我们能够预测Merkel细胞癌的病程和严重程度，从而为每位患者提供最佳的治疗方案。使用人工智能帮助我们发现了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。”
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NHS基金会信托医院的整形外科顾问Aidan Rose博士也参与了这项研究。Rose博士表示：“准确预测患者的预后对于指导临床决策至关重要。这尤其适用于治疗复杂患者群体中的侵袭性皮肤癌，因为这通常涉及困难且有时会改变生活的治疗选择。我们使用人工智能的发展使我们能够提供个性化的生存预测，并告知医疗团队最佳的治疗方案。”
在《自然数字医学》和《美国皮肤病学会杂志》的两篇互补论文中，研究团队描述了他们如何利用先进的统计和机器学习方法开发了MCC的网络预后工具DeepMerkel。
在《自然数字医学》中，研究团队描述了他们如何通过可解释性分析揭示了这种高度侵袭性癌症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与修改后的XGBoost框架，开发了一个名为DeepMerkel的网络预后工具。
在《美国皮肤病学会杂志》中，研究人员描述了DeepMerkel如何通过分析来自两个国家近11,000名患者的数据，准确识别癌症早期阶段的高危患者。这使得医生能够在更早阶段做出更明智的决策，决定何时使用激进的治疗方案和强化监测。
研究团队希望DeepMerkel能够为患者提供更多关于最佳治疗方案的信息，以便他们与医疗团队共同做出更好的决策。Andrew博士补充说：“下一步我们将进一步开发DeepMerkel，使其能够为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，并扩展其应用范围至其他类型的肿瘤。
(全文结束)
