基于纵向数据和无细胞DNA特征的肝细胞癌预测的新型高精度模型
Rong Fan1, Lei Chen2, Siru Zhao1
1Guangdong Provincial Key Laboratory of Viral Hepatitis Research, Guangdong Provincial Clinical Research Center for Viral Hepatitis, Key Laboratory of Infectious Diseases Research in South China, Ministry of Education, Department of Infectious Diseases, Nanfang Hospital, Southern Medical University, Guangzhou, China.
新的肝细胞癌 (HCC) 风险评分,aMAP-2和aMAP-2 Plus,使用纵向数据和无细胞DNA特征准确预测HCC的发展. 这些得分改善了个性化HCC监测的风险分层,特别是在肝硬化患者中.
科学领域:
- 肝细胞癌 (HCC) 研究研究
- 生物标志物发现发现
- 纵向数据分析 纵向数据分析
背景情况:
- 目前的肝细胞癌 (HCC) 风险评分无法解释肝病进展或回归的动态变化.
- 需要更准确和更动态的HCC风险预测模型.
研究的目的:
- 开发和验证两种使用多变量纵向数据的新型HCC预测模型.
- 评估无细胞DNA (cfDNA) 签名在HCC风险预测中的附加值.
主要方法:
- 开发和对aMAP-2和aMAP-2 Plus评分的外部验证使用了来自两个全国性队列的13,728名患者的数据.
- 使用了纵向数据,包括aMAP分数和α-fetoprotein水平.
- 整合了多模式cfDNA碎片组学特征,这些特征来自aMAP-2 Plus得分的低通全基因组测序.
主要成果:
- 在使用纵向数据预测HCC风险时,aMAP-2评分表现出高准确度 (AUC 0.83-0.84).
- 包括cfDNA特征在内的aMAP-2 Plus评分进一步改善了预测能力,特别是在肝硬化患者中 (AUC为0.85-0.89).
- 逐步应用aMAP得分有效地分层患者,识别有针对性的监测的高风险个体.
结论:
- 与现有模型相比,开发的aMAP-2和aMAP-2 Plus得分为HCC风险预测提供了更高的准确性.
- 这些新的分数,特别是逐步应用时,为识别高风险HCC患者提供了有效的策略.
- 这些发现支持使用这些模型来指导个性化HCC监测协议.
更多相关视频
07:25Author Spotlight: Investigating Liver Cancer Pathogenesis Using Patient-Derived Organoids
Published on: August 18, 2023
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018