Modelos pronósticos pancáncer y de un solo tipo de cáncer: un análisis a gran escala utilizando una base de datos...

Área de la Ciencia:

• Oncología
• Bioinformática
• Aprendizaje automático

Sus antecedentes:

• Los modelos pronósticos son cruciales para la atención oncológica personalizada, pero a menudo sufren un desarrollo heterogéneo y una implementación en cohortes de pacientes limitadas.
• Los modelos existentes pueden carecer de generalización en diversos tipos de cáncer.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir la supervivencia del cáncer.
• Comparar el rendimiento de los modelos pancáncer con los modelos de un solo tipo de cáncer.
• Identificar predictores clave del pronóstico del cáncer en múltiples tipos de cáncer.

Principales métodos:

• Se utilizó una base de datos clinico-genómica anonimizada de 28.079 pacientes con cáncer de EE. UU.
• Se desarrollaron y evaluaron múltiples modelos de aprendizaje automático para la predicción de la supervivencia.
• Se evaluaron los modelos tanto en entornos pancáncer como en 16 entornos de cáncer individuales.

Principales resultados:

• Se identificaron 15 predictores clave del pronóstico del cáncer compartidos en siete o más tipos de cáncer, lo que indica una fuerte consistencia.
• Los modelos pancáncer generalmente superaron o igualaron a los modelos de un solo tipo de cáncer en la predicción de la supervivencia y la estratificación del riesgo del paciente.
• Se demostró una ventaja de aprendizaje por transferencia para los modelos pancáncer, particularmente en cohortes de cáncer más pequeñas.

Conclusiones:

• Los enfoques de aprendizaje automático pancáncer muestran un potencial significativo para mejorar la precisión y la aplicabilidad de los modelos pronósticos en oncología.
• Estos hallazgos respaldan el desarrollo de herramientas pronósticas más generalizadas y efectivas para la atención oncológica personalizada.
• El estudio destaca el valor de los datos clinico-genómicos a gran escala para avanzar en el pronóstico del cáncer.