Ikhtisar studi. Kredit: Alam (2024). DOI: 10.1038/s41586-024-08167-5
Sebuah tim peneliti di Memorial Sloan Kettering Cancer Center (MSK) menunjukkan bahwa prediksi hasil kanker dapat ditingkatkan dengan memecah data silo rumah sakit tradisional dan menganalisis informasi – termasuk catatan klinis dokter – dengan bantuan kecerdasan buatan (AI).
Sebuah studi baru menggambarkan pendekatan otomatis dan real-time yang dikembangkan di MSK yang mengintegrasikan catatan dokter teks bebas, pengobatan klinis dan data hasil, demografi pasien, dan data genom tumor dari platform MSK-IMPACT untuk mengidentifikasi biomarker yang dapat memprediksi hasil dan kemungkinan penyakit. respons terhadap terapi. Disebut MSK-CHORD (untuk Kumpulan Data Onkologi Dunia Nyata yang Harmonis Secara Klinis), upaya ini merupakan yang terbesar, mengumpulkan data dari hampir 25.000 pasien penderita kanker paru-paru, payudara, usus besar, prostat, dan pankreas.
Penelitian ini dipimpin oleh rekan penulis Justin Jee, MD, Ph.D., Christopher Fong, Ph.D., Karl Pichotta, Ph.D., Thinh Ngoc Tran, Ph.D., dan Anisha Luthra, dan diawasi oleh penulis senior Dr. Nikolaus Schulz, direktur Inisiatif Ilmu Data Kanker MSK. Itu diterbitkan di jurnal Nature.
Tim menemukan bahwa prediksi hasil kanker berdasarkan data MSK-CHORD mengungguli prediksi berdasarkan data genom atau stadium kanker saja. Dengan menganalisis lebih dari 700.000 laporan radiologi, MSK-CHORD mampu menemukan prediktor metastasis di lokasi organ tertentu. Selain itu, ukuran dan penjelasan yang kaya dari MSK-CHORD mengarahkan tim untuk mengidentifikasi mutasi pada gen SETD2 sebagai biomarker respons imunoterapi yang tidak biasa namun menjanjikan pada adenokarsinoma paru—sebuah temuan yang telah dikonfirmasi dalam beberapa kumpulan data independen.
“Hasil kami menyoroti kekuatan pemrosesan bahasa alami dan dampak menyatukan berbagai aliran data untuk memprediksi hasil pasien dengan lebih baik,” kata Dr. Jee, ahli onkologi medis toraks di MSK.
“Kami berharap MSK-CHORD akan merangsang penelitian lebih lanjut mengenai hubungan antara data genom dan hasil kanker di dunia nyata,” tambah Dr. Schultz.
Lusinan dokter dan peneliti dari seluruh MSK berkumpul untuk berbagi keahlian dan mengembangkan model pemrosesan bahasa alami, model risiko AI, dan infrastruktur teknik yang diperlukan untuk mendukung upaya tersebut, catat mereka.
Informasi lebih lanjut: Justin Jee dkk, Integrasi data dunia nyata otomatis meningkatkan prediksi hasil kanker, Nature (2024). DOI: 10.1038/s41586-024-08167-5
Disediakan oleh Pusat Kanker Memorial Sloan Kettering
Kutipan: Pendekatan otomatis memecah silo data untuk memprediksi hasil kanker dengan lebih baik (2024, 6 November) Diakses pada 10 November 2024, dari https://medicalkpress.com/nevs/2024-11-automated-approach-silos-cancer-outcomes. html
Dokumen ini memiliki hak cipta. Kecuali untuk transaksi wajar untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.