一个芯片上的细胞组学平台和诊断模型对口腔形状的风险进行了分层分类
Michael P McRae1, Kritika Srinivasan Rajsri2, A Ross Kerr3
1Department of Molecular Pathobiology, Division of Biomaterials, Bioengineering Institute, New York University College of Dentistry, New York, NY, USA.
概括
一个新的芯片上的细胞组学工具和预测模型可以帮助识别口腔状状况 (OLC),这是口腔潜在恶性疾病 (OPMDs) 的一个子集. 这项技术在帮助临床医生进行OLC诊断和患者分组方面表现有前途.
科学领域:
- 口腔病理学 口腔病理学
- 生物技术是生物技术.
- 诊断工具 诊断工具 诊断工具
背景情况:
- 口腔状状况 (OLC) 是口腔潜在恶性疾病 (OPMDs) 的一个子集,具有恶性转变的小潜力.
- 对非专家来说,准确的临床鉴定OLCs是具有挑战性的,因为其与其他OPMD重叠的特征.
- 早期和准确的诊断对于适当的患者管理和防止不必要的焦虑或干预至关重要.
研究的目的:
- 开发和评估一种与预测模型集成的新型"芯片上的细胞学"工具,以帮助识别OLC.
- 在OPMD患者群体中区分口腔液状状况 (OLC+) 和非液状状 (OLC-) 病变.
- 评估开发的工具和模型的诊断性能与专家临床医生诊断和组织病理学.
主要方法:
- 开发一种"芯片上的细胞学"装置,用于细胞样本分析.
- 创建一个预测模型,OLC指数,结合临床,人口和细胞学特征.
- 对比OLC指数的诊断准确度与专家临床医生的印象和331名受试者 (94名OLC+,237名OLC-) 的队列中的组织病理发现.
主要成果:
- OLC指数显示了OLC+和OLC-受试者之间的良好的区别,曲线下的面积 (AUC) 为0.76.
- OLC指数的诊断准确性 (AUC = 0.81) 与专家临床医生的印象 (P = .0704) 并没有显著不同.
- 观察到高水平的一致性:专家临床医生和组织病理学之间达到了83.4%,OLC指数和专家临床医生之间达到了78.3%,OLC指数和组织病理学之间达到了77.3%.
结论:
- "芯片上的细胞学"工具和综合诊断模型显示了改善OPMD,特别是OLC的分拣和诊断的巨大潜力.
- 这种技术方法可能有助于临床医生将OLC与其他OPMD区分开来,这可能导致更及时和适当的患者护理.
- 这些发现表明,先进的细胞学分析在口腔潜在恶性疾病的诊断工作流程中起着宝贵的作用.
