科学家开发新机器学习模型：可用于前列腺癌预测与评估

前列腺癌是出自前列腺的恶性肿瘤。大多数前列腺癌生长速度较为缓慢，但仍有些生长相对快速，癌细胞可转移到骨头和淋巴结等部位。前列腺癌早期可能没有症状，晚期可能出现排尿困难、尿血、背痛等症状。

近日，美国丹娜法伯癌症研究院、麻省理工学院和哈佛大学的研究团队，利用前列腺癌患者的多组学数据，开发了一款可用于前列腺癌预测与评估的机器学习分析模型P-NET（Pathway-aware multi-layered hierarchical network）。

该研究团队基于1013例前列腺癌患者数据，通过分析基因突变、基因拷贝数、基因融合等信息，构建了基于生物信息学的深度学习模型。利用该模型可对前列腺癌患者进行危险分层，评估靶向治疗相关分子驱动因素状况，以及预测癌症状态等。 

研究证明，P-NET其性能优于其他建模方法。此外，P-NET内的生物可解释性揭示了既定的和新的分子改变候选者，如MDM4和FGFR1，这些候选者涉及晚期疾病的预测，并在体外得到验证。从广义上讲，生物学上的全面可解释神经网络使前列腺癌的临床前发现和临床预测成为可能，还可能具有跨癌症类型的普遍适用性。

题为Biologically informed deep neural network for prostate cancer discovery的相关研究论文发表在《自然》杂志上。

前瞻经济学人APP资讯组

论文原文：

https://www.nature.com/articles/s41586-021-03922-4