使用ClarityDX机器学习平台开发一种有效的前列腺癌预测查工具

科学领域:

• 在瘤学瘤学.
• 生物标志物 生物标志物
• 机器学习在医学中的应用

背景情况:

• 前列腺特异性抗原 (PSA) 查前列腺癌 (PCa) 缺乏特异性,导致过度诊断和过度治疗非临床显著的PCa (csPCa).
• 早期区分cspca和非cspca至关重要,以避免不必要的侵入性手术,如前列腺活检.

研究的目的:

• 开发和验证基于机器学习的先进血液测试ClarityDX前列腺,以准确地分类csPCa的风险分层.
• 评估ClarityDX前列腺在减少不必要的前列腺活检中的实用性.

主要方法:

• 一个优化的机器学习平台 (ClarityDX) 与来自3448名患者队列的基于血液的生物标志物和临床数据相结合.
• 开发了一个预测模型,ClarityDX前列腺,以分层患者的csPCa风险.
• 测试的性能在验证队列中进行了评估,评估了灵敏度,特异性,正预测值和负预测值.

主要成果:

• 清晰度DX 前列腺表现出95%的灵敏度和91%的高风险癌症的负预测值在≥25%的值.
• 该测试可能可以避免高达35%的不必要的前列腺活检.
• 清晰度DX 前列腺与单独PSA和现有风险计算器相比,在预测csPCa风险方面表现出更高的准确性.

结论:

• ClarityDX前列腺提供了一个比目前的查方法更准确的方法来识别临床上显著的前列腺癌风险.
• 实施ClarityDX前列腺作为PSA水平升高的反射测试,可以帮助临床决策关于前列腺活检.
• 这种人工智能驱动的方法有可能显著改善前列腺癌诊断和患者管理.