自動化された現実世界のデータ統合により,がんの予測が改善される

科学分野:

• 腫瘍学
• バイオ情報学
• 医療情報学

背景:

• デジタル化された健康記録と 腫瘍DNAの配列解析は 癌の研究に役立つ豊富なデータを提供します
• 患者のデータはしばしば構造化されていないテキストとサイロ化されたデータセットで存在し,包括的な分析を制限しています.
• 多様なデータソースを統合することは 精密腫瘍学の進歩に不可欠です

研究 の 目的:

• 構造化された臨床およびゲノムデータとNLPアノテーションを組み合わせることで,調和した臨床ゲノム実用データセット (MSK-CHORD) を作成する.
• このデータセットを活用して新しい臨床遺伝学的な関係を発見する.
• 総合生存率と転移を含む患者のアウトカムを予測するための機械学習モデルを開発し,検証する.

主な方法:

• 統合された自然言語処理 (NLP) アノテーションと24,950人の患者からの構造化データ (薬剤,人口統計,腫瘍登録,ゲノミクス)
• 肺,乳がん,大腸がん,前立腺がん,および臓がんのデータを含むメモリアル・スローン・ケッタリング・ガン・リサーチ・コモンズ (MSK-CHORD) データセットを開発した.
• NLPとゲノムデータから派生した特徴を使用して,全体的な生存率と転移の可能性を予測する機械学習モデルを訓練した.

主要な成果:

• NLPに由来する特徴 (例えば,疾患の部位) を組み込んだ機械学習モデルは,全生存率を予測するゲノムデータまたは癌の段階のみに基づいたモデルを上回った.
• MSK-CHORDデータセットは,より小さなデータセットでは明らかでない臨床遺伝学的な関係を発見することを可能にしました.
• SETD2変異と肺アデノカルシノーマの転移の可能性の低下との間の検証された関連を含む,特定の臓器部位への転移の予測要因を特定した.

結論:

• NLPを用いた非構造的な臨床ノートの自動注釈は実行可能であり,患者のアウトカムを予測するのに価値があります.
• 統合された臨床遺伝学データセット (MSK-CHORD) は,複雑な癌の決定因子を明らかにする能力を著しく高めています.
• MSK-CHORDのデータセットは,現実世界の腫瘍学研究を促進するための公共のリソースとして公開されています.