Masinõpe rinnavähi sõeluuringutes

Viimastel aastatel on tuvastatud üha rohkem rinnavähi tekkimise riski mõjutavaid tegureid. Kogu maailmas püütakse tehisintellekti abil välja töötada automatiseeritud riskiennustus, milles erinevad tegurid integreeritakse üldisesse riski. Hamid Bahravaniga töötavad Soome teadlased on uurinud masinõppe lähenemist [1].

SNP-de ja rinnavähi riski demograafiliste teguritega

Rinnavähi riski prognoosimiseks kasutasid teadlased vastastikku toimivate geenivariantide (ühe nuklotiidse polümorfismi, SNP) kombinatsiooni. Nad tuvastasid varasemates uuringutes need ja rinnavähi demograafilised riskifaktorid, eriti haiguste perekondliku kuhjumisega (1. rühm) ja östrogeeni metabolismiga (2. rühm) seotud tegurid. Faktoreid ei hinnatud täiendavalt, kuid uuriti nende vastastikust mõju. Eesmärk oli välja selgitada kombinatsioonid, mis ennustavad rinnavähi riski suurema täpsusega kui varasemad mudelid.

Rinnavähi riskifaktorid, mida peetakse demograafilisteks

Perega seotud rinnavähi riskifaktorid olid:

  • Üldised vähid perekonnas
  • Vähktõve tüüp perekonnas
  • Vähk esimese astme sugulastel
  • Rinnavähk perekonnas
  • Plahvatanud vähiga esimese klassi sugulaste arv
  • Rinnavähkide lateraalsus perekonnas

Siia kuuluvad östrogeeni ainevahetuse riskifaktorid

  • Suukaudsete rasestumisvastaste vahendite kasutamine (jah / ei)
  • Suukaudsete kontratseptiivide kasutamise kestus
  • Menopausi staatus
  • Imetamise ajalugu (jah / ei)
  • Rasedus (jah / ei)
  • Hormoonasendusravi kestus
  • Menstruaaltsükli pikkus
  • Iga raseduse kestus
  • Kehamassiindeks.

Masinõppe andmebaas

Masinõppemudeli hindamiseks kasutasid teadlased Soome Kuopio rinnavähiprojekti (KBCP) andmeid, mis registreerisid nii geneetilisi kui ka demograafilisi tegureid 445 rinnavähihaigel ja 250 kontrollrühmal. Kontrollrühmad valiti nii, et nad oleksid vanuse ja pikaajalise elukoha poolest võrreldavad rinnavähihaigetega. Genotüüpimine oli registreerinud üle 211 000 SNP-d.

Rinnavähi riski prognoosimine paranes

Näidati, et nimetatud demograafiliste tegurite ja geenide interaktsiooni integreerimisega on võimalik saavutada rinnavähi riski prognoosimise kõrgeim täpsus - kõrgem kui ainult geenide interaktsioonide või ainult ühe demograafiliste muutujate kategooria korral. Tulemused osutavad ka östrogeeniga seotud ESR1 võrgu ja ka FGFR2 geeni, mis on üks päriliku rinnavähi kõige olulisemaid geneetilise vastuvõtlikkuse lookusi, erilisele tähtsusele. Samuti leiti asjakohastena angiogeneesi ja apoptoosi jaoks olulised võrgud.

Masinõppe lähenemise perspektiivid

Teadlased soovivad nüüd kinnitada oma tulemusi Ida-Soome biopanga suurema andmekogumi põhjal. Kuid nad usuvad juba, et nende lähenemisviis on loonud aluse suurema rinnavähi riskiga inimeste paremaks tuvastamiseks, kellele võiks olla kasulik intensiivsem ja tehniliselt keerukam rinnavähi sõeluuring ning muuta seeläbi sõeluuringud tõhusamaks. Samuti eeldavad nad, et masinõppe lähenemisviisi saab üle kanda ka teistele multifaktoriaalsetele haigustele.

!-- GDPR -->