基于机器学习的血清miRNA的膀癌早期检测查模型:基于16,189名参与者的混合队列研究
Cong Lai1,2, Zhensheng Hu3, Jintao Hu1,2
1Department of Urology, Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou, Guangdong, China.
Cancer medicine
|October 23, 2024
概括
早期发现膀癌至关重要. 这项研究开发了非侵入性血清miRNA模型,BCaS3miR和BCaSS,实现了90%以上的准确性,用于有效的膀癌查.
科学领域:
- 生物标志物和诊断仪器
- 在瘤学瘤学.
- 机器学习在医疗保健中的应用
背景情况:
- 早期发现膀癌 (BCa) 可以显著改善患者的预后.
- 目前的BCa查方法缺乏广泛接受.
- 需要有效的,非侵入性的早期BCa查工具.
研究的目的:
- 开发一种高效,临床适用和非侵入性方法,用于早期膀癌查.
- 为了确定特定的血清微RNA (miRNA) 水平,表明BCa.
- 利用机器学习来创建预测查模型.
主要方法:
- 一项大型混合队列研究 (n=16,189) 包括BCa患者,其他癌症,良性疾病和健康个体.
- 在训练数据集上使用五种机器学习算法开发BCa选模型.
- 使用ROC曲线和决策曲线分析对测试,验证和外部数据集的模型性能评估.
主要成果:
- 使用三个血清miRNA (miR-6087,miR-1343-3p,miR-5100) 和KNN算法的BCaS3miR模型显示出卓越的性能.
- 在测试,验证和外部集中,BCaS3miR实现了超过90%的灵敏度和特异性,AUC从0.917到0.990.
- 开发了一种BCa查评分模型 (BCaSS),显示了子组分析的可预测性和优势.
结论:
- 有效的膀癌查模型BCaS3miR和BCaSS是使用大型混合队列开发的.
- 这些模型表现出了显著的查准确性,为早期BCa检测提供了潜力.
- 非侵入性和高性能表明BCa查的临床适用性.
