【编者按】
深色皮肤人群的皮肤癌虽发病率较低，但往往因诊断延迟导致预后不佳。加州大学圣地亚哥分校的研究团队突破性地将人工智能与遗传、环境及社会因素相结合，开发出更精准的皮肤癌风险预测模型。这项创新不仅为早期筛查提供新思路，更在医疗公平领域迈出重要一步，彰显科技赋能精准医疗的无限潜力。
虽然深色皮肤人群中皮肤癌较为少见，但通常诊断时已处于较晚期阶段，导致预后较差。加州大学圣地亚哥分校摩尔癌症中心的研究人员利用美国国立卫生研究院”全民研究计划”中超过40万名参与者的数据，创建了一种新的AI驱动方法来预测皮肤癌风险。
加州大学圣地亚哥分校医学院的研究人员开发了一种识别皮肤癌患者的新方法，该方法使用机器学习模型结合了遗传血统、生活方式和健康的社会决定因素。他们的模型比现有方法更准确，还帮助研究人员更好地描述了皮肤癌风险和预后的差异。
皮肤癌是美国最常见的癌症之一，每天有超过9,500例新确诊病例，每小时约有两人死于皮肤癌。减轻皮肤癌负担的一个重要组成部分是风险预测，它利用技术和患者信息帮助医生决定哪些个体应优先进行癌症筛查。
因此，非欧洲血统人群的皮肤癌经常在较晚期被诊断出来，此时治疗更加困难。由于晚期检测，非欧洲血统人群的皮肤癌总体预后也往往较差。
为了帮助纠正这种差异，研究人员分析了美国国立卫生研究院”全民研究计划”中超过40万名参与者的数据，这是一项全国性倡议，旨在建立一个多样化的患者数据库，为各种健康状况的新研究提供信息。通过利用”全民研究计划”的参与者，研究人员能够确保他们使用的数据在非洲、西班牙裔/拉丁裔、亚洲和混合血统人群中具有充分的代表性。
- 新模型包括遗传和非遗传决定因素，包括生活方式选择、社会经济变量和药物使用，以根据个体患皮肤癌的可能性对其进行分层
- 该模型在所有人群中识别皮肤癌患者的准确率达到89%，欧洲血统个体的准确率为90%，非欧洲血统人群的准确率为81%
- 在拥有遗传数据但缺少生活方式和健康社会决定因素数据的参与者子集中，该模型仍保持87%的准确率
- 遗传血统，特别是欧洲血统的比例，是一个强有力的风险预测因子；欧洲血统个体被诊断出皮肤癌的可能性至少高出8倍
新模型最好被定位为临床病例发现辅助工具，意味着它可以帮助识别应该接受皮肤科医生全身皮肤检查的人。这可能有助于实现深色肤色个体的早期诊断，潜在地缓解当前皮肤癌预后的差异。此外，他们的模型可能适用于其他疾病，为所有人提供更公平、个性化的医疗铺平道路。
这项发表在《自然通讯》上的研究由医学院助理教授Matteo D’Antonio博士和加州大学圣地亚哥分校医学院儿科系教授Kelly A. Frazer博士领导。Frazer也是加州大学圣地亚哥分校摩尔癌症中心的成员。该研究得到了美国癌症协会、美国国立卫生研究院和阿尔弗雷德·P·斯隆基金会的支持。研究人员声明无利益冲突。
