相关实验视频
Updated: Jun 10, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
6.9K
病理学模型用于CD40LG表达和预测质母细胞瘤的预后
Wenle Li1, Jianqi Xiao2, Chunyu Zhang2
1Department of Gynecology, Affiliated Hospital of Guangdong Medical University, Zhanjiang, 524000, Guangdong, China.
Scientific reports
|October 17, 2024
概括
病理学分析显示CD40LG在质母细胞瘤 (GBM) 中升高,预测生存率较差. 机器学习模型准确预测CD40LG表达和患者预后,帮助治疗决策.
科学领域:
- 神经瘤学神经瘤学
- 计算病理学计算病理学
- 生物标志物发现发现
背景情况:
- 质母细胞瘤 (GBM) 是一种具有有限治疗选择的侵袭性脑瘤.
- 识别可靠的预后生物标志物对于个性化GBM管理至关重要.
研究的目的:
- 调查CD40LG在GBM中的表达及其预后意义.
- 开发和验证基于病理学的机器学习模型,用于预测CD40LG表达和患者存活率.
主要方法:
- 病理学分析 GBM 基因病理图像以确定预测特征.
- 支持矢量机 (SVM) 和物流回归 (LR) 病理模型的构建和评估.
- 生存分析和免疫相关性分析,以探索分子机制.
主要成果:
- 与正常脑组织相比,在GBM中CD40LG表达显著上调.
- 在GBM患者中,高CD40LG表达被确定为整体存活的风险因素.
- SVM和LR病理学模型对CD40LG表达和预后表现出强大的预测性能 (AUC分别为0.779和0.785).
- 病理学得分与免疫细胞透 (例如,激活的DC,M2巨细胞) 有显著的相关性.
结论:
- 病理学模型可以有效地预测CD40LG表达和GBM患者的生存结果.
- CD40LG作为质母细胞瘤的潜在预后生物标志物.
- 这些发现支持在GBM治疗策略的临床决策中使用病理学.
