MACHINE LEARNING-BASED SYSTEMS AND METHODS FOR PREDICTING LIVER CANCER RECURRENCE IN LIVER TRANSPLANT PATIENTS

• Main Authors: SINGHI, Aatur Dilip, LUO, Jianhua, TSENG, Chien-Cheng, REN, Baoguo, NALESNIK, Michael A, LIU, Shuchang, WOOD-TRAGESER, Michelle A, YU, Yanping, MICHALOPOULOS, George
• Format: Patent
• Language: English; French
• Published: 09.03.2023
• Subjects: BEER; BIOCHEMISTRY; CALCULATING; CHEMISTRY; COMPOSITIONS OR TEST PAPERS THEREFOR; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL ORENZYMOLOGICAL PROCESSES; COUNTING; ENZYMOLOGY; HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEICACIDS OR MICROORGANISMS; METALLURGY; MICROBIOLOGY; MUTATION OR GENETIC ENGINEERING; PHYSICS; PROCESSES OF PREPARING SUCH COMPOSITIONS; SPIRITS; VINEGAR; WINE

Described herein are prediction models based on the transcriptomic, exomic, and/or radiological analyses on tissue samples to predict the likelihood of the original cancer (such as Hepatocellular carcinoma (HCC)) recurrence into the liver transplant. An example computerimplemented method for predicting the likelihood of liver cancer recurrence 5 into a liver transplant includes receiving gene expression data related to a liver tissue sample for a subject having a liver cancer, inputting the gene expression data into a trained machine learning model, and predicting, using the trained machine learning model, a risk of recurrence of the liver cancer in the subject after liver transplantation. La présente invention concerne des modèles de prédiction basés sur les analyses de transcriptomes, d'exomes, et/ou radiologiques sur des échantillons de tissu pour prédire la probabilité de récurrence du cancer originel (tel qu'un carcinome hépatocellulaire (HCC)) dans la transplantation hépatique. Un procédé décrit à titre d'exemple, mis en œuvre par ordinateur pour prédire la probabilité de récurrence du cancer du foie dans une transplantation hépatique, comprend les étapes consistant à recevoir des données d'expression génique liées à un échantillon de tissu hépatique pour un sujet présentant un cancer du foie, à introduire les données d'expression génique dans un modèle d'apprentissage automatique entraîné, et à prédire, à l'aide du modèle d'apprentissage automatique entraîné, un risque de récurrence du cancer du foie chez le sujet après la transplantation hépatique.