综合的定量放射基因组评估揭示了在质瘤中具有明显免疫模式的新型放射基因组亚型
Yue Sun1, Yakun Zhang1, Jing Gan1
1College of Bioinformatics Science and Technology, Harbin Medical University, Harbin, 150081, China.
Computers in biology and medicine
|May 29, 2024
概括
这项研究使用了MRI放射性特征的深度学习来识别新的质瘤亚型,揭示了明显的生存和药物反应模式. 这些发现使得在质瘤患者的预后和治疗敏感性的非侵入性预测.
科学领域:
- 放射学和神经瘤学中的深度学习.
- 在质瘤分类的翻译研究.
背景情况:
- 准确的质瘤分类对于选择有效的免疫疗法至关重要.
- 磁共振成像 (MRI) 为预后信号提供了丰富的放射性特征.
研究的目的:
- 使用放射性特征预测新的质瘤亚型.
- 描述这些亚型的生存,免疫特征,基因组特征和药物反应.
主要方法:
- 使用CPTAC,TCGA-GBM和TCGA-LGG数据集开发了一个Mask R-CNN深度学习模型.
- 根据放射性特征识别和分类质瘤亚型.
- 分析了每个亚型的生存率,免疫透,基因组数据和药物敏感性.
主要成果:
- 一个深度学习模型在瘤区域识别中取得了高精度 (88.3%的测试,83%的验证).
- 两个不同的放射性亚型,免疫沉默放射性 (ISR) 和免疫激活放射性 (IAR),显示出不同的预后 (HR 2.70).
- ISR亚型与更差的预后,特定的基因组特征有关,并确定了8种潜在药物,其中4种已验证.
结论:
- 放射基因组方法可以非侵入性地识别质瘤亚型.
- 这些亚型预测预后,免疫状况和药物敏感性.
- 这有助于制定针对质瘤的个性化治疗策略.
更多相关视频
06:32Evaluation of Biomarkers in Glioma by Immunohistochemistry on Paraffin-Embedded 3D Glioma Neurosphere Cultures
Published on: January 9, 2019
7.9K
09:17Digital Spatial Profiling for Characterization of the Microenvironment in Adult-Type Diffusely Infiltrating Glioma
Published on: September 13, 2022
2.3K
