用于基于基因表達的肺癌亞型分類的基因轉換器

2018年，肺癌占所有癌癥病例的11.6%，占癌癥死亡的18.4%。不同形式的肺癌在對治療的臨床和分子反應方面表現出廣泛的異質性。該領域的最新趨勢推動了深度學習技術的發展，為肺癌患者提供個性化醫療服務。

Anwar Khan 和 Boreom Lee 在他們題為“基因轉換器：基于基因表達的肺癌亞型分類的轉換器”的研究論文中討論了這一點，該論文構成了下文的基礎。

這項研究的重要性

深度學習使我們能夠為癌癥患者提供精確和個性化的治療，這有助于我們預測預后并改善臨床決策，從而改善患者的治療。研究人員提出的 Gene Transformer 方法是研究注意力機制如何預測肺癌亞型以及個性化醫療如何幫助我們有效治療肺癌的初步嘗試。

研究方法論

研究人員提出了 Gene Transformer，這是一種端到端的深度學習方法。所提出的技術使用變壓器編碼器作為基因變壓器骨干架構。研究人員在本研究中使用來自肺腺癌 (LUAD) 和肺鱗狀細胞癌 (LUSC) 數據集的 RNA 測序值對肺癌亞型進行分類。

上圖顯示了兩種癌癥亞型的準確性進展：LUAD(肺腺癌)和 LUSC(肺鱗狀細胞癌)，用于所提出的 Gene Transformer 框架。上述每幅圖像中的藍線顯示了訓練期間準確度的進展，棕色線顯示了驗證期間的準確度進展。

所提出的 Gene Transformer 在所有評估指標中都擊敗了最先進的深度學習方法。