AI识别癌症症状群集可能导致更好的干预

肿瘤患者平均经历十五种未缓解的症状。现在，网络分析(NA)首次用于检查1300多名接受化疗的癌症患者报告的38种常见症状之间的关系，以检查一个症状群体如何与其他症状群集相关联。“这是首次使用网络分析作为一种检查大量接受化疗的癌症患者所遭受的常见症状之间关系的方法。这种方法提供的详细而复杂的分析对于规划未来患者的治疗至关重要 - 有助于更好地管理他们在医疗保健过程中的症状，“萨里大学机器智能教授Payam Barnaghi博士指出，该研究的第一作者。

该团队的研究结果发表在科学报告中题为“ 肿瘤学多维症状经验的网络分析 ”的文章中。

作者写道，“虽然症状群集研究正在取得进展，但使用标准统计方法的知识的主要差距之一是个体症状和症状群集之间关系的性质尚未得到评估。这种知识差距可以防止识别对可能成为治疗干预潜在目标的其他共同症状或症状群体产生影响的关键症状。“

患者报告的一些最常见的症状是恶心，注意力不集中，疲劳，嗜睡，口干，潮热，麻木和紧张。然后，团队将这些症状分为三个关键网络 - 发生，严重程度和遇险。该团队使用两种不同的成对马尔可夫随机场(PMRF)模型来检查患者症状体验的三个不同维度的相互作用的性质和结构。NA允许团队在所有三个不同的关键网络中将恶心识别为影响中心的症状。

该团队的研究结果提供了第一个直接证据，表明症状之间的联系根据用于创建网络的症状维度而有所不同。作者指出，“基于对中心性指数的评估，恶心似乎是所有三个网络中结构上重要的节点。我们的研究结果可用于指导症状管理干预的发展，基于网络中核心症状和症状群的识别。

作者写道，“就发生网络而言，恶心在所有三个中心指数中得分最高。在这个样本中，47.48%的患者在下一次化疗前报告了恶心。“虽然呕吐可以得到很好的控制，但恶心仍然是一种持续的症状，可能危及患者的营养状况，导致痛苦，降低生活质量，并且可以甚至导致停止癌症治疗。

虽然横截面数据的NA不能证明因果关系，但它确实提供了对每个网络中每种症状的结构重要性的一些见解。“这种新的方法将使我们能够开发和测试新的和更有针对性的干预措施，以减少接受化疗的癌症患者的症状负担，”加州大学生理护理系教授，教授，医学博士，医学博士，Christine Miaskowski说。，旧金山。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。