根據《自然·醫學》雜志8月7日發表的一篇論文，美國麻省理工學院和達納-法伯癌癥研究所的研究人員開發了一種新方法，使識別一些神秘癌癥的原發灶位置變得更容易。
研究人員利用近3萬名22種已知癌癥的患者數據來訓練機器學習模型，它可分析大約400個基因序列，這些基因經常在癌癥中發生突變。然后，研究人員使用這些信息來預測給定的腫瘤在體內的起源位置。
他們在約7000個腫瘤上測試了新模型OncoNPC，這些腫瘤以前從未見過，但其起源已知。該模型能以80%的準確率預測它們的起源。對于占總數約65%的具有高置信度預測的腫瘤，其準確率達到約95%。研究人員表示，利用該模型，他們可在約900名患者的數據集中準確地對至少40%的不明來源腫瘤進行高置信度分類。這種方法使符合基因組指導、根據癌癥起源位置進行靶向治療的患者數量增加了2.2倍。
在3%—5%的癌癥患者中，特別是在腫瘤已轉移到全身的情況下，腫瘤學家沒有一種簡單的方法來確定癌癥的起源。這些腫瘤被歸類為原發灶不明癌癥。許多抗癌藥物通常用于特定癌癥，無法確定原發灶位置往往使醫生無法為患者精準地對癥下藥。
研究人員計劃擴展他們的模型，以涵蓋更多類型的數據，例如病理圖像和放射圖像，從而提供更全面的預測。這也將為模型提供腫瘤的全面視角，使其不僅能夠預測腫瘤類型，甚至還可預測最佳治療方案。
