使用机器学习来预测TP53突变状态和前列腺癌的攻击性从常规组织学图像
François Bordeleau1,2,3
1Oncology Division, Centre de Recherche du CHU de Québec-Université Laval, Québec City, Québec, Canada.
Cancer research
|September 1, 2023
概括
预测瘤的攻击性,特别是在前列腺癌中,仍然具有挑战性. 使用组织学和TP53突变数据的新型机器学习模型显示,作为癌症进展的in silico预后生物标志物具有前途.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 基因组学就是基因组学.
背景情况:
- 准确预测瘤的攻击性对于有效的癌症治疗至关重要,但目前的预后工具往往缺乏可靠性.
- 瘤异质性可能会限制个体生物标志物的准确性,需要新的方法来预测癌症进展.
- 已知TP53突变是瘤进展的指标,但它们与攻击性的直接相关性需要进一步调查.
更多相关视频
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
8.3K
08:40Quantitation of Protein Expression and Co-localization Using Multiplexed Immuno-histochemical Staining and Multispectral Imaging
Published on: April 8, 2016
12.9K