评估AURKA表达和预测肺腺癌的预后,使用基于机器学习的病理学特征签名
Cuiqing Bai1, Yan Sun1, Xiuqin Zhang1
1Department of Respiratory Disease, Affiliated Hospital of Jiangnan University, Wuxi, China.
Heliyon
|July 18, 2024
概括
定量图像分析模型可以预测肺腺癌 (LUAD) 患者的极光激酶A (AURKA) 表达和预后. 这些病态评分 (PS) 为预测患者生存结果提供了宝贵的临床实用性.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 计算生物学 计算生物学
背景情况:
- 极光激酶A (AURKA) 与癌症进展有关.
- 准确预测肺腺癌 (LUAD) 预后对于患者管理至关重要.
- 组织病理图像分析为预后标志物发现提供了潜在的途径.
研究的目的:
- 从组织病理学图像开发基于特征的定量模型,以评估AURKA在LUAD中的表达.
- 使用这些模型预测LUAD患者的预后.
- 评估开发的病态评分 (PS) 的临床实用性.
主要方法:
- 利用来自癌症基因组图谱 (TCGA) 的LUAD数据集与临床,RNA测序和基因病理学数据.
- 使用计算方法从基因病理幻灯片中提取了定量图像特征.
- 开发了AURKA表达的预测模型,并使用接收器操作特征 (ROC) 曲线和决策曲线分析评估了其性能. 用Cox的比例危险模型来进行生存分析.
主要成果:
- 高AURKA表达是LUAD患者整体存活 (OS) 的独立风险因素.
- 开发的模型准确地预测了AURKA表达,AUC为0.809 (训练) 和0.739 (验证).
- 病态评分 (PS) 独立预测LUAD,高和低PS组之间的生存率有显著差异 (P=0.019).
结论:
- 基于机器学习的病理学模型可以准确地预测LUAD中的AURKA表达.
- 生成的病态评分 (PS) 作为LUAD的独立预后因素.
- 这些模型在预测LUAD患者预后方面具有显著的临床实用性.
