构建小细胞肺癌诊断模型,结合代谢学和集成机器学习
Xiaoling Shang1, Chenyue Zhang2, Ronghua Kong3
1Department of Clinical Laboratory, Shandong Cancer Hospital and Institute, Shandong University, Jinan, People's Republic of China.
The oncologist
|September 14, 2023
概括
这项研究确定了用于诊断小细胞肺癌 (SCLC) 的关键血清代谢物. 一个机器学习模型实现了高精度,为早期SCLC检测提供了一个有前途的工具.
科学领域:
- 生物化学 生物化学
- 在瘤学瘤学.
- 数据科学数据科学数据科学
背景情况:
- 小细胞肺癌 (SCLC) 诊断缺乏系统的代谢物和脂质分析.
- 之前的研究尚未探索用于SCLC检测的血清代谢物和脂质.
研究的目的:
- 调查SCLC中血清代谢物和脂质的诊断潜力.
- 开发和验证基于机器学习的SCLC诊断模型.
主要方法:
- 一项涉及SCLC患者,其他肺癌类型和健康对照者的病例-队列研究.
- 代谢学和脂质学在血清分析中的应用.
- 使用集成机器学习开发诊断模型 (d-model),在培训和测试队列中得到验证.
主要成果:
- 鉴定了8种特定的代谢物,以区分SCLC与对照.
- 该d模型显示了高的诊断性能 (AUC 0.933培训,0.922测试).
- 当调整为临床变量时,该模型保持了出色的性能,并且在与孕释放 (ProGRP) (AUC 0.975) 结合时显示了最佳结果.
结论:
- 这项研究是第一个将代谢学,脂质学和机器学习用于SCLC检测的研究.
- 开发的d模型显示了SCLC的查和早期诊断的巨大潜力.
