通过使用现代机器学习技术的四阶段管道使用统计方法检测膀癌的微卫星分析 (MSA) 试验的枢纽验证试验获得的结果
Thomas Reynolds1, Gregory Riddick1, Gregory Meyers1
1NEXT Bio-Research Services, LLC, 11601 Ironbridge Road, Suite 101, Chester, VA 23831, USA.
International journal of molecular sciences
|January 11, 2024
概括
这项研究开发了一种更快,更有效的微卫星分析 (MSA) 试验,用于使用多重PCR检测膀癌症. 机器学习增强了数据分析,提高了早期检测和监测的准确性,灵敏性和特异性.
科学领域:
- 尿瘤学 尿瘤学
- 分子诊断学 分子诊断学
- 发现生物标志物的发现.
背景情况:
- 尿液中的微卫星分析 (MSA) 显示了膀癌检测的前景.
- 目前的MSA方法在技术上具有挑战性,需要许多标记物和复杂的分析.
- 对膀癌需要更快,标准化和具有成本效益的MSA.
研究的目的:
- 开发有效的,基于多重PCR的微卫星分析 (MSA) 试验,用于膀癌的检测.
- 通过机器学习提高现有的膀癌数据集的预测能力.
- 提高膀癌诊断和监测的准确性,敏感性和特异性.
主要方法:
- 开发了三种基于多重聚合酶链反应 (PCR) 的MSA试验,使用16种选定的标记物.
- 使用基因分析仪分析了测试.
- 重新分析EDRN Compass研究数据,使用四阶段机器学习管道进行增强的预测.
主要成果:
- 通过机器学习重新分析,实现了更高的准确度 (85%),灵敏度 (82%) 和特异性 (83%).
- 开发的多重PCRMSA试验更快,更有效,更标准化.
- 重新分析的数据显示出适当的准确性,敏感性和特异性,以达到临床效用.
结论:
- 新的多重PCRMSA试验为膀癌的检测和监测提供了显著的改进.
- 机器学习显著提高了现有的膀癌数据集的预测效用.
- 这种改进的MSA测定可以帮助泌尿科医生检测原发性和复发性膀癌.
