通過機器及時準確地識別腫瘤惡液質助力對腫瘤患者的治療成為可能。11月2日，記者從陸軍軍醫(yī)大學陸軍特色醫(yī)學中心獲悉，該中心的研究成果《世界新挑戰(zhàn)——在缺失體重下降信息的腫瘤患者中通過機器學習方法診斷惡液質》近日在臨床營養(yǎng)領域國際期刊《美國臨床營養(yǎng)雜志》上發(fā)表。

軍醫(yī)大學陸軍特色醫(yī)學中心教授許紅霞介紹，基于國內最大規(guī)模惡性腫瘤患者營養(yǎng)狀態(tài)與臨床結局相關性研究(INSCOC項目)隊列，全國知名專家強強聯(lián)合協(xié)作，研究開發(fā)了一種機器學習模型，可在腫瘤患者缺失體重丟失信息的情況下對惡液質進行識別，從而輔助臨床決策。

腫瘤惡液質，是指各種晚期惡性腫瘤的常見并發(fā)癥，約20%腫瘤患者死于惡液質。惡液質在惡性腫瘤發(fā)生的早期就有可能發(fā)生，當惡液質進入難治時期，基本不可逆轉。但在早期階段，通過聯(lián)合抗腫瘤治療及對抗惡液質的綜合治療手段，卻可以有效延緩或遲滯惡液質的發(fā)生與發(fā)展。因此，及時準確地識別腫瘤惡液質，對腫瘤患者至關重要。

但在臨床上，診斷腫瘤惡液質多依賴于患者自訴的歷史體重，如果患者不能準確地回憶起相關信息，將導致腫瘤惡液質被嚴重低估。該項研究的目的就在于開發(fā)具有成本效益的工具，以幫助在無法提供體重丟失信息的患者中識別腫瘤惡液質。

研究納入了12774名腫瘤患者，其中有6730名男性、6044名女性，使用Fearon框架對惡液質進行了回顧性診斷，最終有5261名(41.2%)患者被診斷為惡液質。通過對基線臨床特征進行建模，模擬進行患者無法自訴體重丟失，從多種算法中篩選出的最佳模型主要有腫瘤類型、胃腸道癥狀、腫瘤分期和血清生化指標等變量構成，在驗證數(shù)據(jù)中，模型預測惡液質的性能較好，校準曲線顯示預測和實際觀測、實際觀察之間有良好的一致性。亞組分析顯示，該模型在不同腫瘤類型的患者中具備應用價值，研究結果對于幫助改善腫瘤患者的綜合治療具有重要臨床意義。(科技日報記者 雍黎 通訊員 劉潔 王奕璇 朱廣平)