Ученые сделали значительные шаги в области предсказания риска множественной миеломы, разработав индивидуализированную модель предсказания риска. Новая разработанная модель, известная как Индивидуализированный риск при недавно поставленной диагнозе множественной миеломы (IRMMa), использует биологию опухоли для предоставления более точного прогноза и стратегии лечения. Путем добавления геномики опухоли исследователи смогли идентифицировать и классифицировать 12 различных подтипов множественной миеломы. Модель IRMMa стремится к медицине точного попадания, позволяя медикам настраивать варианты лечения для индивидуальных пациентов, а не полагаться на средние значения для популяции.
Оригинальный метод определения множественной миеломы, который был разработан в 1970-х годах, основывался на оценке стадии твердых опухолей. Однако с развитием онкологии и доступностью новых методов лечения, этот подход стал устаревшим. Модель IRMMa учитывает индивидуализированный риск каждого пациента и учитывает, как выбор лечения может повлиять на прогноз.
Для построения модели исследователи использовали клинические, лечебные и генетические данные от 2000 пациентов с недавно поставленным диагнозом множественной миеломы. Последовательности ДНК пациентов были проанализированы для выявления «генов-драйверов», играющих роль в росте опухоли. Затем было применено машинное обучение для выявления закономерностей в данных и проведения предсказаний риска.
В настоящее время модель IRMMa нацелена на исследователей, но исследовательская группа надеется усовершенствовать ее путем добавления большего количества данных от пациентов. Итоговая цель состоит в том, чтобы сделать ее пригодной для клинического использования для улучшения принятия решений о лечении и результатов для пациентов.
В подобной ситуации исследователи также совершили прорывы в предсказании риска для госпитализации в отделение интенсивной терапии (ГИТ) и выживания в ГИТ среди пожилых людей. Путем разработки оценочного счета с использованием клинических данных эксперты смогли точно определить пациентов, которым потребуется госпитализация в ГИТ, или которые находятся под угрозой смерти в ГИТ. С увеличением числа пожилых людей и повышенным спросом на критическую медицинскую помощь, такие модели предсказания риска крайне важны для улучшения медицинской помощи пациентам и распределения ресурсов.
В целом, эти прорывы в предсказании риска с использованием передовых технологий, таких как искусственный интеллект и машинное обучение, имеют потенциал революционизировать область здравоохранения, позволяя более персонализированным и эффективным стратегиям лечения.
The source of the article is from the blog kewauneecomet.com