多组生物标志物改善不确定性肺结节恶性瘤风险评估
Kristin J Lastwika1,2, Wei Wu3, Yuzheng Zhang4
1Clinical Research Division, Fred Hutchinson Cancer Center, Seattle, WA 98109, USA.
Cancers
|July 14, 2023
概括
一个新的血,语义和放射性 (PSR) 模型准确地预测了无定性肺结节患者的肺癌风险. 这种多学科的方法改进了现有的临床模型,有助于更好地管理患者.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 生物标志物发现发现
背景情况:
- 不确定的肺结节会给临床管理带来挑战,往往会导致患者受到伤害.
- 准确的肺癌风险分层对于这些患者至关重要.
研究的目的:
- 开发和验证一种新型风险预测模型,用于不确定的肺结节中的肺癌.
- 整合非侵入性成像和分子数据,以改善风险评估.
主要方法:
- 对定量放射性和定性语义成像特征的分析.
- 通过基于抗体的微阵列利用来自血液的分子生物标志物.
- 开发了一个使用九个生物标志物的等离子体,语义,放射性 (PSR) 风险预测模型.
主要成果:
- 最初的PSR模型实现了0.964.6的AUROC.
- 在一个独立的队列中,PSR模型的AUROC为0.846.
- 纳入临床因素使PSR模型的AUROC提高到0.897,超过了临床模型 (AUROC=0.802).
结论:
- 结合等离子体,语义和放射性数据的多omics方法为肺癌风险预测提供了一个强大的工具.
- 与传统的临床风险模型相比,PSR模型显示出更高的准确性.
- 这种方法支持改善不确定的肺结节的临床管理.
