В недавно опубликованной статье Университета Восточной Финляндии и Университетской клиники Куопио сообщается о новом инновационном использовании машинного обучения, чтобы помочь понять взаимодействие генетических и других факторов риска рака груди.
Новые открытия последних лет позволили выявить несколько факторов риска, повышающих риск рака груди. Подходы, способные объединять генетические (SNP) и негенетические факторы риска, могут выявлять людей с высоким риском развития рака и способствовать разработке адаптированных к риску программ скрининга для лучшей профилактики рака. Это потенциально может улучшить общую эффективность скрининга РМЖ и привести к эффективному распределению клинических ресурсов. Результаты опубликованы в рецензируемых научных отчетах.
Создана новая модель для анализа взаимодействия факторов риска рака груди с использованием машинного обучения
Основная задача в прогнозировании риска рака груди состоит в том, чтобы разработать модель, которая учитывала бы все известные и вновь обнаруженные факторы риска с учетом взаимодействия между ними. Модель машинного обучения, разработанная в Институте клинической медицины, патологии и судебной медицины Университета Восточной Финляндии, позволяет определять комбинации взаимодействующих генетических вариантов и демографических факторов риска рака груди, которые могут эффективно прогнозировать риск рака груди.
Подход машинного обучения основан на методе повышения градиентного дерева, за которым следует алгоритм адаптивного итеративного поиска. Наилучшие идентифицированные особенности, я.е., взаимодействующие SNP + демографические факторы риска используются для прогнозирования риска рака груди для неизвестного человека. Анализ проводился на основе данных проекта по борьбе с раком груди в Куопио (KBCP).
Выявленная карта взаимодействия генов включает гены ESR1 и FGFR1, которые связаны с подтипом рака молочной железы, положительным по рецепторам эстрогена
Интересно, что карта взаимодействия генов SNP, которые, как было установлено, взаимодействуют с демографическими факторами риска, указывает на известную сеть, связанную с эстрогенами (сеть ESR1). Карта взаимодействия генов дополнительно указывает на ген FGFR2, который является одним из наиболее важных локусов генетической предрасположенности при ненаследственном раке молочной железы.
"Поскольку рак – это многофакторное заболевание, вызванное образом жизни, генетическими факторами и факторами окружающей среды, индивидуального анализа источников генетических вариантов может быть недостаточно для создания всеобъемлющего представления о риске заболевания. В Куопио сейчас мы разрабатываем инновационные подходы к машинному обучению для объединения различных источников данных, таких как маммографические особенности," – заключает Хамид Бехраван, научный сотрудник, специализирующийся на искусственном интеллекте (ИИ) и машинном обучении в лаборатории исследования рака Маннермаа.