相关实验视频
Updated: May 28, 2025
06:01
A Genetically Engineered Mouse Model of Sporadic Colorectal Cancer
Published on: July 6, 2017
9.4K
基于机器学习的预测模型和高度结直肠神经内分泌癌的基因突变景观:一个SEER数据库分析与外部验证
Ruixin Wu1,2, Sihao Chen1,2, Yi He1,2
1Department of Immunology, School of Basic Medical Sciences, Chongqing Medical University, Chongqing, China.
Frontiers in oncology
|February 13, 2025
概括
一个新的机器学习模型使用临床和基因组数据预测高度结肠直肠神经内分泌癌 (HCNEC) 的预后. 关键因素包括M阶段,LODDS和治疗,有助于对这种侵略性癌症的临床决策.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 机器学习 机器学习
背景情况:
- 高度结肠直肠神经内分泌癌 (HCNEC) 是一种罕见且具有攻击性的神经内分泌瘤形式.
- 准确的预后评估对于HCNEC管理中的有效临床决策至关重要.
研究的目的:
- 为HCNEC预后开发一个强大的风险预测模型.
- 整合临床和突变基因组学数据,以提高预测准确度.
- 确定HCNEC的关键预后指标.
主要方法:
- 从SEER数据库 (2000-2019) 和外部验证队列中对714个HCNEC病例进行了回顾性分析.
- 应用LASSO,随机森林和XGBoost回归来识别独立的预后因素.
- 从癌症体突变目录 (COSMIC) 数据库中提取常见的CNEC突变数据.
主要成果:
- 平均整体存活期 (OS) 为10个月;平均癌症特异性存活期 (CSS) 为11个月.
- 确定了六个关键的预后指标:M阶段,LODDS,阳性节点,手术,放射治疗和化疗.
- 机器学习模型展示了可靠的预测性能.
- 在CNEC中,TP53,KRAS和APC是最常见的突变.
结论:
- 一个精细的机器学习模型准确地预测HCNEC的预后.
- 该模型结合了临床和基因组特征,为解决HCNEC临床挑战提供了有价值的工具.
- 基因组分析提供了对CNEC分子格局的洞察.
