怎样对乳腺癌的亚型进行精准分类

也许有人还不知道，乳腺癌其实是多种组织病理的集合。每一种都有与患者预后，以及治疗反应相关的分子特征。所以，怎样准确区分乳腺癌亚型是临床决策的关键环节。

虽然这个问题在过去已经用机器学习的方法解决了，但是在已经建立的亚型中，仍然存在着异质性。

最近，科学家们提出了一种新的深度学习架构，称为深度分类，它使用一种注意力机制来获得个性化的生物标记分数，用来描述每个基因在预测每个样本的癌症亚型中有多重要。然后，我们对这些生物标志物评分进行主成分分析，以显示样本的异质性，并使用线性模型来测试主轴是否与已知的临床表型相关。

这个模型不仅能准确地对乳腺癌的亚型进行分类，还能同时为每个患者分配一套可解释的和个性化的生物标记得分。这些个性化的评分描述了每个特征在任何患者分类中的重要性，并且可以在之后进行分析，验证关于潜在异质性的新假设。

这个深度分类框架对乳腺癌亚型的基因表达特征进行分类，并说明其在基因以及GO和KEGG基因集上的应用。使用这种方法，我们计算个性化生物标志物分数描述最重要的特性分类个体病人作为或腔的腔的b。在这个过程中，深度分类把所有乳腺癌样本的恶化程度当做一个持续的过程，揭示了肿瘤生物标志物分数与肿瘤分期息息相关。

参考文献：

Beykikhoshk A, Quinn TP, Lee SC, Tran T, Venkatesh S.DeepTRIAGE: interpretable and individualised biomarker scores using attention mechanism for the classification of breast cancer sub-types.BMC Med Genomics. 2020 Feb 24;13(Suppl 3):20. doi: 10.1186/s12920-020-0658-5.