组织病理图像特征和基因组学数据的网络分析改善了清细胞细胞癌的预后性能
Jianrui Ji1, Yunsong Liu1, Yongxing Bao1
1Department of Radiation Oncology, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Urologic oncology
|April 23, 2024
概括
这项研究开发了一种结合基因病理学和遗传特征的新型名图,用于预测清细胞细胞癌患者的预后. 综合模型为癌存活率提供了更准确的评估.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 生物信息学是一种生物信息学.
背景情况:
- 清细胞细胞癌 (ccRCC) 是最常见的癌亚型.
- 准确预测ccRCC的预后仍然是一个重大的临床挑战.
研究的目的:
- 通过整合他的病理学和遗传特征来开发和验证ccRCC的预后模型.
- 提高ccRCC患者生存预测的准确性.
主要方法:
- 使用全幻灯片组织病理学图像和TCIA和TCGA的临床/遗传数据.
- 采用机器学习技术 (LASSO-Cox,SVM-RFE) 进行特征选择和随机森林进行模型集成.
- 开发了一种包含基因病理学风险评分 (HGRS) 和临床预测因子的名图.
主要成果:
- 确定了4个关键的组织病理特征,形成了具有整体生存预测价值的风险评分 (5年AUC=0.764).
- 与单独基于图像的模型相比,HGRS模型显示出更高的性能 (5年AUC=0.78).
- 诺米图 (性别,阶段,HGRS) 在决策曲线分析中显示了最高的净收益.
结论:
- 为ccRCC开发了一种全新的与遗传病理学相关的基因组图.
- 这种综合方法为ccRCC患者提供了更全面的预后评估.
- 诺姆图可以帮助临床决策和个性化治疗策略.


