深度学习算法的现实世界评估,以分类功能性致病性生殖系变异
Ryan D Chow1, Ravi B Parikh2,3,4,5, Katherine L Nathanson6,7
1Department of Medicine, Hospital of the University of Pennsylvania, Philadelphia, PA, USA.
medRxiv : the preprint server for health sciences
|April 18, 2024
概括
深度学习模型在预测BRCA1,BRCA2和PALB2变体遗传性乳腺癌风险方面表现有前途. 然而,对于具有不确定的意义的变体,它们的临床实用性仍然有限.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 对于变异性病原性预测的深度学习模型在精选数据上是有效的,但在现实世界疾病表型中未得到充分探索.
- 评估这些模型对遗传性癌症风险预测的临床实用性至关重要.
结论:
- 深度学习模型显示了在关键乳腺癌基因中识别致病变体的潜力.
- 这些模型在分类具有不确定的意义的变异方面显示出有限的临床实用性.
- 需要进一步改进,以提高这些预测工具的现实世界的临床应用.


