MMAI انقلابی در درمان سرطان پروستات: قدرت نشانگر زیستی پیش آگهی

به گزارش سرطان نیوز، سرطان پروستات همچنان یکی از شایع ترین سرطان هایی است که مردان را در سراسر جهان تحت تاثیر قرار می دهد. طبقه بندی ریسک دقیق برای تعیین مناسب ترین رویکرد درمانی برای هر بیمار بسیار مهم است. اخیراً یک بیومارکر پیش آگهی هوش مصنوعی چندوجهی (MMAI) به نام ArteraAI Prostate، برای طبقه بندی دقیق تر بیماران مبتلا به سرطان پروستات موضعی در مقایسه با گروه های خطر NCCN ایجاد شده است. این ابزار پیشگامانه اکنون در سرطان پروستات پرخطر تأیید شده است، گروهی که تعداد فزاینده ای از تصمیمات درمانی مورد نیاز است.

نتایج و پیامدها

گروه مورد تجزیه و تحلیل میانگین پیگیری 10.4 سال داشت. در تجزیه و تحلیل تک متغیره، مدل MMAI به طور قابل توجهی با DM (نسبت خطر توزیع فرعی [sHR] 2.05، 95٪ فاصله اطمینان (CI): 1.74-2.43، p<0.001) و PCSM (sHR 2.04، 95٪ فاصله اطمینان (CI): 1.73-2.002، <0) مرتبط بود. در تجزیه و تحلیل چند متغیره، مدل MMAI تنها متغیری بود که به طور قابل‌توجهی با DM، تنظیم برای سن، PSA، نمره گلیسون، مرحله T یا تعداد HRF مرتبط بود. tdAUC برای بیومارکر MMAI برای هر دو DM 5 ساله (0.71) و PCSM 5 ساله (0.75) در مقایسه با متغیرهای بالینی آسیب شناسی (محدوده 0.53-0.63) بالاترین میزان بود. نرخ تخمینی DM 10 ساله و 15 ساله PCSM برای چارک MMAI 1 در مقابل 4 به ترتیب 8٪ در مقابل 31٪ و 8٪ در مقابل 34٪ بود.

بیشتر بخوانید

• سرطان چگونه ایجاد می‌شود؟

این نتایج نشان می‌دهد که نشانگر زیستی پیش‌آگهی MMAI در شش کارآزمایی تصادفی‌شده فاز III با پیگیری طولانی‌مدت با موفقیت تأیید شد تا به‌طور مستقل نسبت به متغیرهای بالینی و پاتولوژیک استاندارد برای مردان مبتلا به سرطان پروستات پرخطر پیش‌آگهی داشته باشد. علیرغم همه بیماران مبتلا به بیماری پرخطر، نشانگر زیستی MMAI افرادی را که خطرات بسیار متغیری برای DM و PCSM داشتند شناسایی کرد. این ابزار می تواند به فعال کردن تصمیم گیری شخصی و مشترک برای بیماران و ارائه دهندگان کمک کند.

جمع بندی

اعتبار بیومارکر پیش آگهی MMAI در سرطان پروستات پرخطر نشان دهنده پیشرفت قابل توجهی در زمینه سرطان شناسی است. این ابزار جدید می تواند بیمارانی را با خطرات بسیار متغیر برای DM و PCSM شناسایی کند، علیرغم اینکه همه آنها بیماری پرخطر دارند. در نتیجه، می تواند به امکان تصمیم گیری شخصی و مشترک برای بیماران و ارائه دهندگان کمک کند و در نهایت منجر به نتایج بهتر بیمار شود.