相关实验视频
Updated: Jun 14, 2025

08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
将黑色素瘤31基因表达特征测试与临床和病理特征集成,可以为哨兵淋巴结阳性提供个性化的精确估计:一个独立的性能队列
Chase Kriza1, Brian Martin2, Christine N Bailey2
1ChristianaCare Helen F. Graham Cancer Center & Research Institute, Newark, DE, USA.
World journal of surgical oncology
|August 30, 2024
概括
综合的31基因表达特征 (i31-GEP) 准确地识别了低风险的患者,他们可以安全地避免哨兵淋巴结活检 (SLNB). 这种个性化的方法减少了不必要的SLNB,并提高了在执行程序时取得积极结果的收益率.
科学领域:
- 在瘤学瘤学.
- 手术瘤学手术瘤学
- 基因组学就是基因组学.
背景情况:
- 哨兵淋巴结活检 (SLNBs) 往往是负面的,导致不必要的程序.
- 31基因表达特征 (31-GEP) 测试将患者分为低风险,中等风险和高风险的转移.
- 集成的31-GEP (i31-GEP) 通过将31-GEP与临床病理学数据相结合,提高了风险预测.
研究的目的:
- 评估i31-GEP在确定可以安全放弃SLNB的患者中的有效性.
- 评估i31-GEP指导决策对减少不必要的SLNB的影响.
主要方法:
- 分析了156名31-GEP结果的患者队列.
- i31-GEP风险预测低于5%被定义为SLN阳性的低风险.
- 奇平方测试被用来比较风险组之间的SLN阳性率.
主要成果:
- 通过i31-GEP确定为低风险患者的SLN阳性率为0%.
- 根据i31-GEP的风险预测>10%与31.9%的SLN阳性率相关 (p <0.001).
- 使用i31-GEP可以减少不必要的SLNBs,总体为19.2%,T1-T2瘤为33.0%.
结论:
- i31-GEP有效地识别了<5%的SLN阳性风险的患者,使他们能够安全地放弃SLNB.
- 将基因组数据与临床病理特征集成,为个性化患者护理提供精确的风险估计.
- 这种方法尽量减少不必要的SLNB,并最大限度地提高SLNB在执行时的诊断产量.

