SciRep：机器学习能够检测乳腺癌的发生风险。近年来的新发现已经确定了导致乳腺癌风险的几种风险因素。能够融合遗传（SNP）和非遗传风险因素的方法可以识别出罹患癌症的高风险人士，并能够制定适应风险的筛查计划，以更好地预防癌症。这可能会改善BC筛查的整体性能，并促进临床资源的有效分配。
在最近发表在《scientific reports》杂志上的研究中，作者利用机器学习分析了乳腺癌风险因素相互作用的新模型。该模型将所有已知和新发现的风险因素结合在一起，同时考虑它们之间的相互作用。东芬兰大学临床医学，病理学和法医学研究所开发的机器学习模型可以识别相互作用的遗传变异和乳腺癌的人口统计学危险因素的组合，从而可以有效地预测乳腺癌风险。
机器学习方法基于梯度树增强方法，然后是自适应迭代搜索算法。最佳识别的特征，即相互作用的SNPs +人口统计学危险因素，用于预测未知个体的乳腺癌风险。分析结果揭示了雌激素受体阳性的乳腺癌亚型相关的ESR1和FGFR1基因。
“由于癌症是由生活方式，遗传和环境因素引起的多因素疾病，因此对遗传变异来源的单独分析可能不足以全面了解疾病风险。我们现在正在开发创新的设备结合不同的数据源（如乳腺X线摄影特征）的学习方法”，文章作者，Mannermaa癌症研究实验室的人工智能（AI）和机器学习专业的博士后研究员Hamid Behravan总结道。（生物谷
生物谷app，随时评论、查看评论与分享，或扫描上面二维码相关阅读
HER2+乳腺癌重磅新药！阿斯利康/第一三共抗体-药物偶联物Enhertu欧盟进入审查，总缓解率60.3%
HER2+乳腺癌重大创新！推荐阅读：生存曲线，罗氏Perjeta+赫赛汀固定剂量皮下制剂Phesgo获美国FDA批准，给药仅5-8分钟
NatCommun：短期禁食/禁食模拟饮食可以辅助乳腺癌新辅助化疗！
早期三阴性乳腺癌(TNBC)免疫治疗！罗氏Tecentriq(泰圣奇)联合化疗III期临床获得成功！
NatCommun：胆固醇药物可有效缓解乳腺癌细胞向脑部扩散
AmJPsych：中国科学家利用灵长类磁共振成像融合机器学习技术成功解析人类精神疾病的环路机制
