新型机器学习模型可识别恶液质 对肿瘤治疗具有重要意义

11月7日，科技日报记者从陆军军医大学陆军特色医学中心获悉，该中心的研究成果“在缺失体重下降信息的肿瘤患者中通过机器学习方法诊断恶液质”近日发表在临床营养领域国际期刊《美国临床营养杂志》上。

　　肿瘤恶液质，是指各种晚期恶性肿瘤的常见并发症，表现为极度消瘦、贫血、无力、完全卧床、生活不能自理、全身器官衰竭等，约20%的肿瘤患者死于恶液质。肿瘤恶液质在恶性肿瘤发生的早期就有可能发生，当肿瘤恶液质进入难治时期，基本不可逆转。但在早期阶段，通过联合抗肿瘤治疗及对抗肿瘤恶液质的综合治疗手段，却可以有效延缓或迟滞肿瘤恶液质的发生与发展。因此，及时准确地识别肿瘤恶液质，对肿瘤患者至关重要。

　　但在临床上，诊断肿瘤恶液质多依赖于患者自诉的历史体重，如果患者不能准确地回忆起相关信息，将导致肿瘤恶液质被严重低估。而该项研究的目的就在于开发具有成本效益的工具，以帮助无法提供体重下降信息的患者识别其肿瘤恶液质。

　　该研究纳入了12774名肿瘤患者，其中有6730名男性、6044名女性。通过对基线临床特征进行建模，研究人员从多种算法中筛选出的最佳模型主要由肿瘤类型、胃肠道症状、肿瘤分期和血清生化指标等变量构成。在验证数据中，模型预测肿瘤恶液质的性能较好，校准曲线显示预测和实际观测及实际观察之间有良好的一致性。亚组分析显示，该模型在不同类型肿瘤患者中具备应用价值，研究结果对于帮助改善肿瘤患者的综合治疗具有重要临床意义。