根据种族/民族癌症健康差异科学第11次AACR会议上提出的研究结果，使用机器学习方法开发的预后模型可以识别死亡风险增加的非裔美国人乳腺癌患者少数民族和医疗服务不足，于11月2日至5日在这里举行。

“利用基因表达数据，我们开发了一种机器学习模式，可以准确地对死亡风险高低的非洲裔美国人乳腺癌患者进行分层，这有助于为临床决策提供依据，” Ritu实验室博士候选人Shristi Bhattarai说。Aneja，博士，佐治亚州立大学生物系。“由于非裔美国女性患乳腺癌的结果往往更差，这项研究将帮助我们确定这一群体中基于种族的差异，这可能会为非洲裔美国乳腺癌女性带来特定的治疗方案。”

Bhattarai表示，虽然美国的欧美女性和非裔美国女性的乳腺癌发病率相似，但非洲裔美国乳腺癌女性的年龄调整死亡率却高出40％。“这种令人吃惊的结果差异的病因是多因素的，源于社会经济不平等与非洲血统女性内在的更具攻击性的肿瘤生物学相结合，”她指出。“我们希望找出一种指纹，可以对具有不同预后风险的非裔美国人乳腺癌患者进行分层。”

利用来自癌症蛋白质组图谱（TCPA）的数据，Bhattarai及其同事分析了来自754名乳腺癌患者的224种蛋白质的蛋白质表达水平。在这些患者中，620名是欧洲血统，134名是非洲裔美国人。作者解释说，他们开发的算法使研究人员能够识别与乳腺癌存活相关的重要蛋白质组合。

深度学习算法确定了四种蛋白质的组合，用于最佳预后预测：Bcl2样蛋白（BAX），肌醇多磷酸-4-磷酸酶，II型（INPP4B），X射线修复交叉互补蛋白1（XRCC1），和切割的聚（ADP-核糖）聚合酶（c-PARP）。这种蛋白质组合可以对高风险的非裔美国人乳腺癌患者进行分层，准确率为86％。

“有趣的是，这些蛋白质并没有单独的预后价值，”共同作者谢尔盖克里莫夫说，他是佐治亚州立大学生物系Ritu Aneja实验室的博士候选人。“然而，它们在机器学习模型中的综合效应可以确定一个非洲裔美国人群体，其死亡风险增加了五倍。”

在控制了包括患者年龄和癌症阶段在内的临床病理学变量后，该模型可以识别出死亡风险增加近11倍的非裔美国女性。

研究人员无法使用这一特定模型将欧美乳腺癌患者分为低风险和高风险人群，这表明该模型仅对非裔美国人乳腺癌患者有预后作用。 

“我们正在走向临床研究阶段，我们可以为未被充分发现的人口群体确定非常具体的模式，以便找到高危患者，以便他们可以被招募进行额外的治疗，”Aneja说。“我们很高兴我们的模型有可能告知临床医生优先考虑非洲裔美国乳腺癌患者进行适当的临床试验，并帮助患者做出关于参加特定临床试验的决定。”

本研究的局限性包括其他队列缺乏验证。“我们需要在不同的非裔美国人乳腺癌患者群体中验证这种模型，”Aneja指出。“我们希望确保这种模型可以推广到不同的方法。” 

该研究由国家癌症研究所和国立卫生研究院资助。Aneja，Bhattarai和Klimov宣布没有利益冲突。

（注：转载时请注明复诊网）