精确的诊断和前列腺癌的风险分层通过综合血清代谢指纹:一个预测模型研究研究

科学领域:

• 在瘤学瘤学.
• 分析化学 分析化学
• 生物信息学是一种生物信息学.

背景情况:

• 前列腺癌 (PCa) 是全球男性癌症相关死亡的主要原因.
• 准确的诊断和分期对于有效的PCa管理至关重要.
• 现有的诊断方法需要改进,以便及时做出临床决策.

研究的目的:

• 开发和验证一种基于质谱学的新型方法,用于精确的PCa诊断.
• 为了实现PCa患者的准确分期和风险分层.
• 为了确定与PCa瘤发生相关的代谢变化.

主要方法:

• 使用矩阵辅助激光脱离离子化飞行时间 (MALDI-TOF) 质谱法进行血清代谢分析.
• 机器学习算法被用来构建诊断和分层模型.
• 总共分析了367名受试者 (181名PCa, 186名非PCa) 和外部验证队列.

主要成果:

• 诊断模型在初级队列中实现了100%的AUC,在验证队列中达到87.3%.
• 代谢分析确定了潜在的瘤发生途径.
• 阶段预测和风险分层模型显示高准确度 (分别为85.9%和89.6%).

结论:

• 开发的MALDI-TOF质谱方法可以及时准确地诊断PCa.
• 这项研究为PCa的代谢基础提供了宝贵的见解.
• 这种新的方法促进了有效的风险分层,以改善患者管理.