在前列腺癌和黑色素瘤患者中使用深度学习与标准方法检测致病变体
Saud H AlDubayan1,2,3,4, Jake R Conway1,2,5, Sabrina Y Camp1,2
1Department of Medical Oncology, Dana-Farber Cancer Institute, Harvard Medical School, Harvard University, Boston, Massachusetts.
JAMA
|November 17, 2020
概括
与标准基因检测相比,深度学习方法显著提高了癌症患者的生殖系病原体变异的检测. 这种进步有助于更准确的癌症风险评估和个性化治疗策略.
科学领域:
- 基因组学
- 计算生物学
- 癌症学
背景情况:
- 不到10%的癌症患者有可检测的致病性生殖系变化,可能是由于目前检测方法的局限性.
- 精确识别生殖系致病变体对于癌症风险评估和治疗选择至关重要.
研究的目的:
- 与标准方法相比,评估深度学习方法在癌症患者中识别更多的生殖系致病变体的有效性.
- 评估深度学习在不同基因组中检测变异的性能,包括癌症倾向性,可操作性和孟德尔基因.
主要方法:
- 一项横截面研究,将标准生殖系检测与深度学习方法进行比较.
- 使用前列腺癌和黑色素瘤患者的方便队列 (美国和欧洲,2010-2017年).
- 通过敏感度,特异性,正预测值 (PPV) 和负预测值 (NPV) 进行变种检测.
主要成果:
- 深度学习在前列腺癌和黑色素瘤队列中发现了更多患有癌症倾向基因的病原体变异.
- 深度学习方法在各种基因组中显示出更高的灵敏度和特异性,包括可操作和门德尔基因.
- 在检测生殖系致病变体的深度学习中观察到显著的灵敏度和特异性.
结论:
- 与标准方法相比,基于深度学习的生殖基因检测具有更高的敏感性和特异性.
- 这些发现表明深度学习可以提高癌症患者的生殖系变化的识别.
- 需要进一步的研究,以将这些改善的检测率与临床结果相关联.


