(资料图)
美国麻省理工学院和达纳-法伯癌症研究所的研究人员8月7日在国际学术顶级期刊Nature的子刊Nature Medicine上发表一篇新论文。
他们开发了一款机器学习分类器OncoNPC,使识别一些神秘癌症的原发灶位置变得更容易。
研究人员利用近3万名22种已知癌症的患者数据来训练机器学习模型,该模型可分析大约400个常在癌症中发生突变的基因序列。研究人员使用这些信息来预测给定的肿瘤在体内的原发部位。
(资料图)
美国麻省理工学院和达纳-法伯癌症研究所的研究人员8月7日在国际学术顶级期刊Nature的子刊Nature Medicine上发表一篇新论文。
他们开发了一款机器学习分类器OncoNPC,使识别一些神秘癌症的原发灶位置变得更容易。
研究人员利用近3万名22种已知癌症的患者数据来训练机器学习模型,该模型可分析大约400个常在癌症中发生突变的基因序列。研究人员使用这些信息来预测给定的肿瘤在体内的原发部位。
标签: