Искусственный интеллект может определять течение и тяжесть агрессивных форм рака кожи, таких как карцинома из клеток Меркеля (MCC), для улучшения процесса принятия клинических решений путем создания персонализированных прогнозов результатов лечения для пациентов и их врачей.

Международная команда, возглавляемая исследователями из Университета Ньюкасла в Великобритании объединила машинное обучение с клиническим опытом для разработки веб-системы под названием «DeepMerkel», которая позволяет прогнозировать результаты лечения рака молочной железы на основе индивидуальных особенностей и особенностей опухоли.

Они предполагают, что эта система может быть применена к другим агрессивным видам рака кожи для точного прогнозирования, повышения эффективности принятия обоснованных клинических решений и улучшения выбора пациента. МСС - это редкий, но очень агрессивный вид рака кожи. Он может быть трудно поддающимся лечению и, как правило, поражает пожилых людей с ослабленной иммунной системой, у которых прогрессирующее заболевание приводит к низкой выживаемости.

В двух взаимодополняющих публикациях в npj Digital Medicine и Journal of the American Academy of Dermatology команда ученых описывает, как они разработали веб-инструмент прогнозирования для MCC, используя передовые статистические методы и методы машинного обучения.

В статье npj Digital Medicine команда описывает, как они использовали анализ объяснимости и полученные данные, чтобы по-новому взглянуть на факторы риска смертности от высокоагрессивного рака (MCC). Затем они объединили выбор функций глубокого обучения с модифицированной платформой XGBoost, чтобы разработать веб-инструмент прогнозирования для MCC, который они назвали DeepMerkel. Проанализировав данные почти 11 000 пациентов в 2 странах, исследователи описали в журнале Американской академии дерматологии, как DeepMerkel смог точно идентифицировать пациентов с высоким риском на ранней стадии рака. Это позволяет медикам принимать более обоснованные решения о том, когда следует использовать радикальные методы лечения и проводить интенсивный мониторинг заболеваний.