通过血清拉曼光谱对侵袭性乳腺癌进行分子排型方法
Jun Jiang1, Lintao Li2, Gang Yin2
1School of Medicine, University of Electronic Science and Technology of China, Chengdu, China; Department of Breast Surgery, Sichuan Clinical Research Center for Cancer, Sichuan Cancer Hospital & Institute, Sichuan Cancer Center, Affiliated Cancer Hospital of University of Electronic Science and Technology of China, Chengdu, China.
Clinical breast cancer
|March 16, 2024
概括
拉曼光谱和机器学习可以从血液样本中准确识别乳腺癌亚型. 这种新的方法提供了一个精确而快速的分子类型的方法,有助于临床决策.
科学领域:
- 生物医学光谱学 生物医学光谱学
- 机器学习在瘤学中的应用
- 癌症的诊断 癌症的诊断
背景情况:
- 乳腺癌是主要的和异质的癌症.
- 免疫组织化学是分子亚型的标准,指导治疗和预后.
- 需要新的方法来准确地确定乳腺癌的亚型.
研究的目的:
- 调查拉曼光谱与支持矢量机器 (SVM) 学习相结合,用于一种新的乳腺癌分子类型化方法.
- 评估分析血液样本用于乳腺癌亚型的可行性.
主要方法:
- 从459名侵袭性乳腺癌患者收集了血液和活检样本.
- 使用免疫组织化学和局部杂交的分类瘤亚型.
- 开发了使用血液样本拉曼光谱的SVM模型,80%用于培训,20%用于验证.
主要成果:
- 在SVM分类模型中,曲线下的面积 (AUC) 值超过0.85.
- 证明了出色的性能和乳腺癌分子亚型的优秀歧视.
- 在独立的数据集上验证了模型的有效性.
结论:
- 血清样本的拉曼光谱可以快速准确地检测侵入性乳腺癌分子亚型.
- 这种技术显示出在乳腺癌诊断中临床应用的巨大潜力.
- 为精确的分子亚型提供一种非侵入性方法.
