相关实验视频
Updated: Jun 22, 2025
10:43
Modeling Oral-Esophageal Squamous Cell Carcinoma in 3D Organoids
Published on: December 23, 2022
3.3K
ESCCPred:一种机器学习模型,用于使用自身抗体配置文件进行早期食道状细胞癌的诊断预测
Tiandong Li1,2, Guiying Sun1,2,3, Hua Ye1,2
1College of Public Health, Zhengzhou University, Zhengzhou, 450001, Henan Provinc, China.
British journal of cancer
|July 2, 2024
概括
这项研究开发了一种用户友好的诊断工具,用于早期检测食道状细胞癌 (ESCC),使用血清自身抗体和机器学习. 该工具对改善早期诊断和公共卫生结果充满希望.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 机器学习在医学中的应用
背景情况:
- 食道状细胞癌 (ESCC) 缺乏理想的早期诊断生物标志物.
- 早期检测对于改善ESCC患者的治疗结果至关重要.
研究的目的:
- 开发和验证一个用户友好的诊断工具,用于早期发现ESCC.
- 确定可靠的血清自身抗体作为ESCC的潜在生物标志物.
主要方法:
- 使用了三阶段方法 (发现,验证,验证) 与1309名参与者.
- 采用了HuProtTM人类蛋白质组微阵列和ELISA用于血清自身抗体分析.
- 开发了使用12个机器学习算法的诊断模型,由AUC评估,并通过R Shiny实现.
主要成果:
- 在发现阶段确定了13种与瘤相关的自身抗体 (TAA).
- 五个TAA (抗CAST,抗HDAC1,抗HSF1,抗PTMS,抗ZPR1) 在ESCC和对照组之间显示出显著的差异.
- 支持矢量机 (SVM) 模型在ESCC检测方面实现了0.86 (训练) 和0.83 (测试) 的AUC,对于早期ESCC和高度内皮质瘤有希望的结果.
结论:
- 开发了一个有希望的,易于使用的诊断预测模型,用于早期发现ESCC.
- 该工具有可能增强ESCC的早期检测策略.
- 这些发现表明,改善与ESCC相关的公共卫生结果可能会产生影响.
