相关实验视频
Updated: Jul 16, 2025

05:39
Surgical Transplantation of Tumor Cells into the Spinal Cord of Mice
Published on: December 27, 2024
457
免疫组织化学标志物与脊髓瘤切除后瘤进展之间的关联:一个多中心研究
Abdul Karim Ghaith1,2, Oluwaseun O Akinduro3, Carlos Perez-Vega3
11Mayo Clinic Neuro-Informatics Laboratory.
Journal of neurosurgery. Spine
|September 20, 2023
概括
机器学习和像EMA这样的免疫组织化学标志物可以预测脊髓瘤的进展. 这些工具可以识别瘤模式,有助于了解罕见癌症的结果.
科学领域:
- 在瘤学瘤学.
- 生物技术是生物技术.
- 医疗信息学 医疗信息学
背景情况:
- 脊髓瘤 (SCs) 是缓慢生长的瘤,尽管得到治疗,但往往进展缓慢.
- 预测长期瘤进展对于患者管理至关重要.
研究的目的:
- 确定免疫组织化学 (IHC) 标志物,以预测长期 (≥12个月) 术后脊髓瘤进展.
- 在这个预测中评估基于树的机器学习算法的有效性.
主要方法:
- 在2017-2021年期间接受治疗的62名脊髓瘤患者的回顾性评估.
- 在患者数据上培训决策树和随机森林分类器,包括IHC标记器.
- 根据体积减少 (> 94.3 mm3) 定义低瘤进展.
主要成果:
- 使用IHC标志物和机器学习预测瘤进展的准确率为66%.
- 胰岛素,EMA,细胞A1/A3和S100蛋白质是IHC的关键预测因素.
- 阳性EMA和阳性胰岛素的SCs显示出67%的进展风险.
结论:
- 与机器学习相结合的IHC标志物有效预测脊髓瘤进展模式.
- 这种方法证明了人工智能在分析罕见疾病时具有有限数据的实用性.
- 已识别的IHC标志物为瘤行为和潜在的治疗点提供了洞察力.
更多相关视频
05:45Quantitative Immunohistochemistry of the Cellular Microenvironment in Patient Glioblastoma Resections
Published on: July 31, 2017
9.7K
08:57Author Spotlight: Genetically Engineered Mouse Models and Pathological Characterization of Neurofibromatosis Type 1 Associated Tumors
Published on: May 17, 2024
2.0K