分析循环的孤儿非编码RNA的深度生成AI模型可以检测早期肺癌
Mehran Karimzadeh1, Amir Momen-Roknabadi1, Taylor B Cavazos1
1Exai Bio Inc., Palo Alto, CA, US.
Nature communications
|November 21, 2024
概括
这项研究介绍了Orion,一种用于液体活检的AI模型,使用孤儿非编码RNA检测非小细胞肺癌 (NSCLC). 猎户座实现了高灵敏度和特异性,优于现有的早期癌症检测方法.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 生物标志物发现发现
背景情况:
- 液体活检提供了非侵入性癌症检测潜力.
- 开发可靠的测试需要来自不同患者队伍的高维数据.
- 孤儿非编码RNAs (oncRNAs) 正在成为有前途的基于血液的生物标志物.
研究的目的:
- 为早期癌症检测开发一种强大且可通用的液体活检试验.
- 为了利用变化自动编码器来学习基于血液的生物标记符号.
- 评估一个多任务生成AI模型,Orion,用于非小细胞肺癌 (NSCLC) 检测.
主要方法:
- 分析了来自1050名患有NSCLC的个体的血清样本和匹配的对照.
- 使用基于变量自动编码器的多任务生成AI模型 (Orion).
- 对生物标志物签名学习的常用方法进行比较分析.
主要成果:
- 与现有方法相比,Orion表现出优越的性能和通用性.
- 人工智能模型在所有阶段的NSCLC检测中实现了94%的灵敏度和87%的特异性.
- 在持久验证数据集上,Orion在灵敏度方面超过了其他方法的30%.
结论:
- 像Orion这样的生成AI模型可以有效地从复杂的生物数据中学习强大的签名,用于液体活检.
- 奥里昂代表了非侵入性癌症检测的重大进步,特别是NSCLC.
- 开发的AI模型显示,它有望彻底改变早期瘤检测和癌症护理.
