印度一個研究小組利用機器學習模型，對皮膚黑色素瘤相關17個關鍵基因的標記進行識別，區(qū)分原發(fā)性或轉(zhuǎn)移性黑色素瘤的準確率可達89%。相關論文近日發(fā)表在英國《科學報告》雜志網(wǎng)站上。
皮膚黑色素瘤是皮膚癌常見類型之一。與原發(fā)性黑色素瘤相比，轉(zhuǎn)移性黑色素瘤患者存活率更低。因此，準確鑒別黑色素瘤類型并制定相應治療策略，對提高患者存活率具有重要意義。
印度因德拉普拉斯塔信息技術學院教授加金德拉·拉加瓦等人開發(fā)出6個機器學習模型，用于識別和驗證17個黑色素瘤基因的標記。機器學習即用計算機模擬人類的學習行為，是人工智能核心算法之一。此前，其他關于黑色素瘤的研究已經(jīng)報告了這17個基因中的11個，該研究小組首次將其余6個基因的標記用于鑒別黑色素瘤類型。
研究人員對6個機器學習模型進行測試，用它們識別并驗證上述17個基因的相關RNA（核糖核酸）、微RNA以及基因的甲基化特征等，其中表現(xiàn)最好的一個模型區(qū)別轉(zhuǎn)移性還是原發(fā)性黑色素瘤的準確率超過89%。研究還發(fā)現(xiàn)，RNA、微RNA等基因標記物不僅能用于區(qū)分黑色素瘤類型，還可以幫助判斷轉(zhuǎn)移性黑色素瘤的發(fā)展階段等。
