相关实验视频
Updated: Jul 1, 2025
03:36
Development of Compendium for Esophageal Squamous Cell Carcinoma
Published on: April 12, 2024
413
基于多omics数据的分类模型的构建和验证,以预测患有食道状细胞癌的患者对并发化疗和放射治疗的反应
Zhi-Mao Li1, Wei Liu2, Xu-Li Chen3
1Guangdong Provincial Key Laboratory of Infectious Diseases and Molecular Immunopathology, Institute of Oncologic Pathology, Cancer Research Center, Shantou University Medical College, Shantou 515041, Guangdong, PR China; Department of Radiation Oncology, Shantou Central Hospital, Shantou 515041, Guangdong, PR China.
Clinics and research in hepatology and gastroenterology
|March 12, 2024
概括
预测食道癌的治疗反应至关重要. 结合临床,蛋白质和放射性数据的新模型准确地预测了同时进行化学放射治疗 (CCRT) 的患者结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 蛋白质组学是指蛋白质组学.
背景情况:
- 同时化疗-放射治疗 (CCRT) 是局部晚期食道状细胞癌 (ESCC) 的标准治疗方法.
- 在一些ESCC患者中,对CCRT的反应不佳导致治疗不足最佳,存活率降低.
- 对于个性化治疗策略,需要准确预测CCRT反应.
研究的目的:
- 开发和验证ESCC患者中CCRT反应的预测模型.
- 整合临床,血清蛋白质和放射性数据,以提高预测准确度.
- 评估这些模型对于指导个性化治疗决策的有用性.
主要方法:
- 138名接受CCRT的ESCC患者被分为训练 (n=92) 和测试 (n=46) 队列.
- 使用RECIST 1.1.将响应分类为完全响应 (CR) 或不完全响应 (非CR).
- 使用后勤回归和多omics数据 (临床,血清蛋白质组,放射性组) 构建了分类和名组模型.
主要成果:
- 模型-COR整合了临床,血清蛋白质和放射性特征,在测试队列中显示出最好的预测性表现 (AUC = 0.8357).
- 根据模型-COR预测CR的患者在两个队列中总生存时间明显更长.
- 两种多omics nomogram 模型也表现出强大的预测性能 (AUC = 0.8398,0.8483).
结论:
- 开发并验证了基于多个学科的分类和名录模型,用于预测ESCC中的CCRT响应.
- 这些模型整合了临床,蛋白质和放射性数据,提供了高预测准确度.
- 这些模型可以帮助个性化治疗决策,并优化ESCC患者的放射治疗和化疗.
