Cancer is one of the significant causes of death globally. Therefore, early and precise detection and proper treatment decision of cancer can considerably reduce the risk of the disease in clinic practice. As many genomic data getting digitalized and become more easily accessible, deep learning is developed into a useful tool for predictive and prognostic models. Through this research, multi-omics data of liver cancer patients including seven molecular features such as expression data is systematically collected and organized as a database. Using this dataset, the prognostic model with convolutional neural network (CNN) is constructed and trained. Compared to previous prognostic models, such as linear cox, random survival forest and glmnet, the CNN prognostic model shows outstanding and robust prediction accuracy. Multi-omics data can preserve various causes of malfunction in genes. By computing feature importance of each gene’s molecular features, certain change in certain gene that affects patients’ prognosis can be discovered. These prognostic markers help to propose appropriate approach of treatment to cancer patients.
전세계적으로 암은 주요한 사인 중의 하나로 꼽힌다. 따라서 이르고 정확한 암 진단과 적절한 치료는 임상에서 병의 위험을 상당히 줄일 수 있다. 최근 많은 유전체 데이터가 디지털화되고 쉽게 접근 가능해짐으로 인해 딥러닝은 암 예후예측 모델의 유용한 접근법으로 대두되고 있다. 이 연구를 통해 유전자 발현 데이터와 같은 간암 환자의 7가지 분자 데이터가 체계적으로 정리되었다. 그리고 이렇게 정리된 데이터를 이용하여 합성곱 신경망 구조를 가진 예후예측 모델이 구축되고 학습되었다. 이 모델은 기존의 예후예측 모델과 비교하여 뛰어난 성능은 물론, 데이터에 의존하지 않는 안정적 성능을 보였다. 멀티오믹스 데이터는 유전자의 기능을 망가뜨리는 다양한 원인 정보를 담고 있기 때문에 각 유전자의 분자 특성의 특성 중요도를 계산하면, 어떤 유전자에 어떤 변화가 일어나 환자의 예후에 영향을 미치는지 찾을 수 있다. 이렇게 찾은 예후 표지는 암 환자에게 적절한 치료 방법을 찾는데 도움을 줄 것이다.
