一种基于呼出的呼吸中的代谢物,超声波成像和基本临床信息的乳腺癌诊断的多omics方法
Yuan Yang1, Huiling Long2, Yong Feng3
1Department of Ultrasound, The Third Xiangya Hospital, Central South University, Changsha, 410013, China.
Heliyon
|July 1, 2024
概括
结合呼吸,超声波和临床数据的多omics方法显示了对非侵入性乳腺癌诊断的希望. 这种方法实现了高AUC的0.946,超过了单独的呼吸-omics.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 医疗成像医学成像
背景情况:
- 准确区分良性和恶性乳腺病变对于及时诊断和治疗癌症至关重要.
- 目前的诊断方法可能是侵入性的,或者在特异性上有局限性.
研究的目的:
- 为了评估呼吸-omics的诊断性能,以区分乳腺病变.
- 评估一种多omics方法,将呼吸omics,超声波radiomics和临床omics结合起来,以改善乳腺癌诊断.
主要方法:
- 一项嵌套队列研究,涉及1723名接受自动乳房体积扫描仪 (ABVS) 检查的患者.
- 使用高压光子电离飞行时间质谱法 (HPPI-TOF-MS) 分析的呼吸样本.
- 超声波放射学和临床奥米克数据与呼吸奥米克集成,用于通过五倍交叉验证进行多奥米克模型构建和验证.
主要成果:
- 呼吸学模型实现了曲线下的面积 (AUC) 为0.855.5.
- 多omics模型表现出优异的性能,灵敏度为84.1%,特异性为89.9%,AUC为0.946.
- 多omics的性能与专家乳腺成像报告和数据系统 (BI-RADS) 的分类相当.
结论:
- 多omics方法为乳腺癌诊断提供了一个非侵入性和可靠的工具.
- 结合呼出的呼吸代谢物,超声波成像和临床数据,可显著提高诊断准确度.
- 这一综合战略有可能提高乳腺癌检测率.


