用于基于基因表达的肺癌亚型分类的基因转换器

2018年，肺癌占所有癌症病例的11.6%，占癌症死亡的18.4%。不同形式的肺癌在对治疗的临床和分子反应方面表现出广泛的异质性。该领域的最新趋势推动了深度学习技术的发展，为肺癌患者提供个性化医疗服务。

Anwar Khan 和 Boreom Lee 在他们题为“基因转换器：基于基因表达的肺癌亚型分类的转换器”的研究论文中讨论了这一点，该论文构成了下文的基础。

这项研究的重要性

深度学习使我们能够为癌症患者提供精确和个性化的治疗，这有助于我们预测预后并改善临床决策，从而改善患者的治疗。研究人员提出的 Gene Transformer 方法是研究注意力机制如何预测肺癌亚型以及个性化医疗如何帮助我们有效治疗肺癌的初步尝试。

研究方法论

研究人员提出了 Gene Transformer，这是一种端到端的深度学习方法。所提出的技术使用变压器编码器作为基因变压器骨干架构。研究人员在本研究中使用来自肺腺癌 (LUAD) 和肺鳞状细胞癌 (LUSC) 数据集的 RNA 测序值对肺癌亚型进行分类。

上图显示了两种癌症亚型的准确性进展：LUAD(肺腺癌)和 LUSC(肺鳞状细胞癌)，用于所提出的 Gene Transformer 框架。上述每幅图像中的蓝线显示了训练期间准确度的进展，棕色线显示了验证期间的准确度进展。

所提出的 Gene Transformer 在所有评估指标中都击败了最先进的深度学习方法。