膀胱癌是美国最常见和最具侵略性的癌症之一，其侵入性和昂贵的诊断过程可能很快会得到一种新型的非侵入性诊断方法的帮助。这是因为圣地亚哥超级计算机中心（San Diego Supercomputer Center，简称SDSC）、Res癌症中心和CureMatch公司共同开发关于机器学习研究的进展。
该项目的研究科学家Igor Tsigelny和Valentina Kouznetsova一直致力于开发一种机器学习（Machine-learning，简称ML）模型，该模型可以观察患者的代谢物及其化学描述符。研究人员称，该模型能准确地对患者膀胱癌的分期进行分类。Tsigelny是最近发表在《代谢学杂志》上的一项研究的主要作者，该研究被称为“利用代谢物和机器学习识别膀胱癌的早期和晚期”。
当患者出现膀胱癌的早期症状（如尿中有血、排尿时疼痛等）时，当前的诊断方法通常是一系列痛苦的、有创的检查。
“从我的观点来看，病人只需提供尿液样本就很容易了，我们的ml系统可以产生一个“红旗”分析结果，告诉他们立即去肿瘤科医生那里进行检测，”Tsigelny说：“我们认为，膀胱癌的许多早期甚至更晚期都没有得到治疗，因为患者不注意调节来自身体的疼痛信号，并且可能认为导致症状的危险性较小。我们的机器学习模型使用代谢物和相应的基因来确定患者是否患有膀胱癌，如果是，在什么阶段。”
据美国癌症协会统计，2018年，超过81000名美国人被诊断患有膀胱癌，其中超过17000人死于膀胱癌。
Kouznetsova说：“这项研究的目标是减少这一数字，我们相信机器学习模型可以帮助我们做到这一点。”利用各种计算工具，我们研究了膀胱癌不同阶段的相关途径，这些途径可用于诊断和监测癌症进展。”
“研究人员使用不同疾病阶段患者的尿液代谢产物数据对该软件进行了培训，称为多层感知器（MLP）。每个阶段都有自己的代谢物概况。MLP分析了与癌症各个阶段相关的代谢物集合的化学描述，并创建了这些特征的人工智能模型。”Kouznetsova解释说。
Tsigelny是在加州大学圣地亚哥分校工作，是CureMatch的首席科学官和联合创始人，CureMatch为个性化癌症医学的医生提供决策支持。SDSC主任Michael Norman是CureMatch咨询委员会的成员。
Tsigelny解释说：“有450万种可能性结合约300种FDA批准的癌症药物，CureMatch同时针对多个癌症突变，并为每个患者确定最佳的联合治疗方案。虽然这项研究与当前的CureMatch任务无关，但将来可能会变成这样。”
Curematch的生物信息学专家Eden Romm和SDSC中学生研究经验（REHS）Elliot Kim和Alan Zhu也参与了这项研究。