Модель машинного навчання може передбачити ризик гепатоцелюлярної карциноми

Елана Ґоткін, репортер HealthDay

Медичний огляд Кармен Поуп, BPharm. Востаннє оновлено 2 квітня 2026 р.

через HealthDay

ЧЕТВЕР, 2 квітня 2026 р. — Згідно з дослідженням, опублікованим 30 березня в Cancer Discovery, модель машинного навчання може передбачити ризик гепатоцелюлярної карциноми (ГЦР), використовуючи стандартно доступні дані.

Ян Клусманн, доктор медичних наук, з університетської лікарні RWTH Аахена в Німеччині та його колеги використали проспективно зібрані мультимодальні дані з понад 90 000 особи з 983 випадками ГЦК у дослідженні Біобанку Великобританії (когорта розробників) і Дослідницькій програмі «Всі ми» (когорта зовнішнього тестування) для розробки інтерпретованої системи машинного навчання для стратифікації ризику ГЦК. Було оцінено індивідуальні та кумулятивні внески модальностей даних, зокрема демографічних даних, способу життя, даних про здоров’я, крові, геноміки та метаболоміки.

Дослідники виявили, що на внутрішніх і зовнішніх наборах тестів остаточні моделі на основі випадкових лісів значно перевершили всі загальнодоступні показники ризику. Надійність була продемонстрована в різних етнічних підгрупах, забезпечуючи всебічну інтерпретацію.

«Наше дослідження підкреслює потенціал простої моделі машинного навчання, яка легко використовується, щоб покращити стратифікацію ризику ГЦК, використовуючи лише регулярно зібрані клінічні дані», — сказала в заяві один із авторів Каролін В. Шнайдер, доктор медичних наук, також з університетської лікарні RWTH Аахена. «Якщо наша модель буде підтверджена в додаткових популяціях, наша модель дозволить лікарям первинної медичної допомоги ефективно виявляти пацієнтів групи ризику та направляти їх на скринінг раку печінки. Це може забезпечити раннє виявлення та покращити результати для пацієнтів із цією агресивною хворобою».

Кілька авторів розкрили зв’язки з біофармацевтичною промисловістю.

Анотація/повний текст

Відмова від відповідальності: статистичні дані в медичних статтях містять загальні тенденції та не стосуються окремих осіб. Індивідуальні фактори можуть сильно відрізнятися. Завжди звертайтеся за індивідуальною медичною порадою для прийняття індивідуальних рішень щодо охорони здоров’я.

Джерело: HealthDay

Опубліковано : 2026-04-03 01:52

Читати далі

Відмова від відповідальності

Було докладено всіх зусиль, щоб інформація, надана Drugslib.com, була точною, до -дата та повна, але жодних гарантій щодо цього не надається. Інформація про ліки, що міститься тут, може бути чутливою до часу. Інформація Drugslib.com була зібрана для використання медичними працівниками та споживачами в Сполучених Штатах, тому Drugslib.com не гарантує, що використання за межами Сполучених Штатів є доцільним, якщо спеціально не вказано інше. Інформація про ліки Drugslib.com не схвалює ліки, не ставить діагноз пацієнтів і не рекомендує терапію. Інформація про ліки на Drugslib.com – це інформаційний ресурс, призначений для допомоги ліцензованим медичним працівникам у догляді за їхніми пацієнтами та/або для обслуговування споживачів, які розглядають цю послугу як доповнення, а не заміну досвіду, навичок, знань і суджень у сфері охорони здоров’я. практиків.

Відсутність попередження щодо певного препарату чи комбінації ліків у жодному разі не слід тлумачити як вказівку на те, що препарат чи комбінація препаратів є безпечними, ефективними чи прийнятними для будь-якого конкретного пацієнта. Drugslib.com не несе жодної відповідальності за будь-які аспекти медичної допомоги, що надається за допомогою інформації, яку надає Drugslib.com. Інформація, що міститься в цьому документі, не має на меті охопити всі можливі способи використання, інструкції, запобіжні заходи, попередження, лікарські взаємодії, алергічні реакції чи побічні ефекти. Якщо у вас є запитання щодо препаратів, які ви приймаєте, зверніться до свого лікаря, медсестри або фармацевта.

Модель машинного навчання може передбачити ризик гепатоцелюлярної карциноми

Читати далі

Відмова від відповідальності

Популярні ключові слова