最新研究：机器学习模型可识别肿瘤恶液质 研究成果发表在《美国临床营养杂志》上

通过机器及时准确地识别肿瘤恶液质助力对肿瘤患者的治疗成为可能。11月2日，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《世界新挑战——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》近日在临床营养领域国际期刊《美国临床营养杂志》上发表。

军医大学陆军特色医学中心教授许红霞介绍，基于国内最大规模恶性肿瘤患者营养状态与临床结局相关性研究(INSCOC项目)队列，全国知名专家强强联合协作，研究开发了一种机器学习模型，可在肿瘤患者缺失体重丢失信息的情况下对恶液质进行识别，从而辅助临床决策。

肿瘤恶液质，是指各种晚期恶性肿瘤的常见并发症，约20%肿瘤患者死于恶液质。恶液质在恶性肿瘤发生的早期就有可能发生，当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恶液质的综合治疗手段，却可以有效延缓或迟滞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。该项研究的目的就在于开发具有成本效益的工具，以帮助在无法提供体重丢失信息的患者中识别肿瘤恶液质。

研究纳入了12774名肿瘤患者，其中有6730名男性、6044名女性，使用Fearon框架对恶液质进行了回顾性诊断，最终有5261名(41.2%)患者被诊断为恶液质。通过对基线临床特征进行建模，模拟进行患者无法自诉体重丢失，从多种算法中筛选出的最佳模型主要有肿瘤类型、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，模型预测恶液质的性能较好，校准曲线显示预测和实际观测、实际观察之间有良好的一致性。亚组分析显示，该模型在不同肿瘤类型的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。(科技日报记者 雍黎 通讯员 刘洁 王奕璇 朱广平)