当一名女性被诊断患有乳腺癌时，就会出现一个难题：哪种治疗方法是正确的。基因表达检测是医生用来帮助对疾病进程进行预测并据此选择合适的治疗方法的方法之一。然而，这些测试的可靠性尚未完全确定。

来自莱比锡大学和汉堡西部病理学研究所的科学家现在使用机器学习来分析有关这个问题的大量数据，发现基因表达特征为预后提供了高度确定性，但不是完全确定性。

基因表达特征是对基因活动模式的描述。当一个人被诊断患有癌症时，这些特征可用于预测肿瘤将如何发展。因此，它们对于分类不同类型的癌症、确定预后和制定治疗策略至关重要。

目前的研究由莱比锡大学彼得·德拜软物质物理研究所的博士研究员 Dimitrij Tschodu 与汉堡西病理学研究所的 Axel Niendorf 教授密切合作进行，并于最近发表在《科学报告》上。Tschodu 和他的同事使用各种机器学习模型分析了基于乳腺癌数据库的约 10,000 个特征，以彻底评估其预后能力。

研究结果表明，所检查的基因表达特征在不超过 80% 的病例中可以带来正确的患者预后。研究人员还指出，仅基于基因表达特征的预测只考虑了不到 50% 的潜在可用信息。因此，他们建议除了基因表达测试之外还使用其他参数。

Tschodu 解释说：“虽然我们的结果证实了基因表达特征在预测患者预后中的重要性，但它们也强调了迫切需要一种考虑分子、临床、组织学和其他补充因素的整体方法，以确保准确的预后。”