Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

このページは機械翻訳されています。他のページは英語で表示される場合があります。View in English
  1. ホーム
  3. 研究分野
  5. 生物医学と臨床科学
  7. 腫瘍学とがん発生
  9. 予測・予測マーカー
  11. マルチモダルデータを用いて,ステージiの表皮成長因子受容体変異性非小細胞肺がんの再発率を予測する.

マルチモダルデータを用いて,ステージIの表皮成長因子受容体変異性非小細胞肺がんの再発率を予測する.

Akiko Tateishi1, Hidehito Horinouchi2, Nobuji Kouno3

  • 1National Cancer Center Hospital, Department of Thoracic Oncology, 5-1-1 Tsukiji, Chuo-Ku, Tokyo 104-0045, Japan; National Cancer Center Research Institute, Division of Genome Biology, 5-1-1 Tsukiji, Chuo-Ku, Tokyo 104-0045, Japan.

Lung cancer (Amsterdam, Netherlands)
|August 28, 2025

関連する実験動画

Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
07:59

Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer

Published on: September 8, 2023

1.2K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Predictive Immune Modeling of Solid Tumors
08:50

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

7.1K

PubMed で要約を見る

まとめ
この要約は機械生成です。

皮質成長因子受容体 (EGFR) 変異性非小細胞肺がん (NSCLC) の統合モデルの開発は極めて重要です. 臨床,放射線,TP53変異データを統合することで,ステージIのNSCLCにおける再発予測の精度が向上する.

キーワード:
病気のない生存率EGFR変異再発の予測再発しない生存率

関連する実験動画

Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer
07:59

Author Spotlight: Advancements in Molecular Biomarker Testing for Non-Squamous Non-Small Cell Lung Cancer

Published on: September 8, 2023

1.2K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193
Predictive Immune Modeling of Solid Tumors
08:50

Predictive Immune Modeling of Solid Tumors

Published on: February 25, 2020

7.1K

科学分野:

  • 腫瘍学
  • 遺伝学
  • 放射線科

背景:

  • ステージI EGFR変異性非小細胞肺がん (NSCLC) の統合的な再発予測モデルは存在しない.
  • 既存のモデルは臨床データ,画像データ,遺伝データを効果的に組み合わせていません.
  • この研究は,初期段階のNSCLCにおける包括的な予後ツールの必要性に対処しています.

研究 の 目的:

  • ステージI EGFR変異性NSCLCの統合再発予測モデルを開発し,検証する.
  • 臨床,放射線,全エクソームシーケンシング (WES) のデータを組み合わせたモデルの予測性能を評価する.
  • 遺伝子変異を含む重要な要因を特定し, 予測の精度を向上させる.

主な方法:

  • ステージI EGFR変異性NSCLC患者の合計306人は,トレーニング (n=206) と検証 (n=100) のコホートに分類された.
  • コックス比例リスクモデルは,臨床的,放射線学的,およびWES由来のマルチ遺伝子および変異データを統合した.
  • モデルの性能はコンコンダンス指数 (C指数),時間依存のAUC,生存分析を用いて評価された.

主要な成果:

  • 3つの最適なモデルが特定され,TP53変異を組み込んだ臨床放射線学的モデル (モデル39) が最高の性能を示した (C指数=0. 73).
  • モデル39では,60ヶ月の無再発生存率 (RFS) が57. 1% (高リスク) と87. 1% (低リスク) と予測された (HR=4. 79).
  • 臨床放射線モデル (モデル17) は60ヶ月のRFS率を59. 1% (高リスク) と83. 2% (低リスク) (HR=3. 47) と示した.

結論:

  • 臨床的および放射線学的要因は,ステージI EGFR変異性NSCLCにおける再発の効果的な予測因子である.
  • TP53変異データを組み込むことは,再発予測モデルの予測精度を大幅に高めます.
  • 開発されたモデルは,初期段階のNSCLC患者のリスクの階層化を改善します.
TP53変異