一个机器学习辅助的临床前质瘤建模系统审查:实践是否随着时代的变化而变化?
Theodore C Hirst1,2, Emma Wilson3, Declan Browne1
1Department of Neurosurgery, Royal Victoria Hospital, Belfast, UK.
Neuro-oncology advances
|December 30, 2024
概括
尽管质母细胞瘤研究取得了进展,但传统的动物模型仍然存在. 先进的模型提供了更好的疾病复制,但未得到充分利用,阻碍了在质母细胞瘤治疗开发中的翻译相关性.
科学领域:
- 神经瘤学神经瘤学
- 癌症研究 癌症研究
- 动物模型 动物模型
背景情况:
- 尽管人们对其病理生理学有了更好的理解,但质母细胞瘤的治疗进展有限.
- 动物模型对于癌症研究至关重要,但具有固有的局限性.
- 虽然先进的质母细胞瘤建模技术已经出现,但它们的采用率仍然不确定.
研究的目的:
- 评估最近研究中各种质母细胞瘤建模技术的采用和应用.
- 在质母细胞瘤研究中评估传统与先进动物模型的流行率.
- 确定当前动物模型的局限性,并为翻译相关性提出改进建议.
主要方法:
- 使用PubMed和EMBASE对动物质瘤实验进行了全面的文献搜索.
- 机器学习算法协助选出版物,随后对1000篇文章进行全文审查.
- 摘要进行了选,以评估识别出版物的整个数据集的建模应用程序.
主要成果:
- 鉴定了超过26,000个出版物,其中包括13,783个在选中.
- 自动查显示高灵敏度但特异性有限.
- 传统的细胞系模型占主导地位,细胞系实验的激增掩盖了先进模型的出现. 很少有研究使用多个体内模型或验证遗传特征.
结论:
- 与传统细胞系相比,先进的质母细胞瘤模型提供了优越的瘤和疾病复制.
- 尽管存在缺陷,但传统细胞系仍然普遍存在,这可能会限制现代动物研究的可行性.
- 战略性地使用先进的模型或更相关的细胞系可以提高未来质母细胞瘤研究的翻译成功率.
