NETest® 2.0-神经内分泌瘤诊断创新的十年

科学领域:

• 在瘤学瘤学.
• 生物标志物发现发现
• 翻译医学是一种翻译医学.

背景情况:

• 胃肠道胰腺神经内分泌瘤 (GEP-NENs) 存在诊断和管理方面的挑战.
• 可靠的生物标志物对于改善患者的治疗结果至关重要.
• 之前的NETest 1.0使用了51个基因表达,用于通过液体活检检测NET.

研究的目的:

• 通过开发NETest 2.0.0来增强NETest的诊断和预后能力.
• 以扩展数据集来利用监督机器学习来提高算法性能.
• 在多样化的国际队列和针对其他恶性瘤中验证NETest 2.0.

主要方法:

• 利用实时PCR量化51个来自血液样本的NET特异性基因表达.
• 训练了两个监督机器学习分类器 (随机森林) 在不同的数据集上进行诊断和预后.
• 在两个独立的国际队列和非NET恶性瘤的特异性队列中验证了NETest 2.0算法.

主要成果:

• 网测2.0算法#1获得了0.91的AUROC,将NET与控制区分开来,具有95%的灵敏度和81%的特异性.
• 该算法在区分NET与其他恶性瘤方面表现出高精度 (AUROC 0.95,92%的灵敏度,90%的特异性).
• NETest 2.0算法#2显示AUROC为0.81-0.82,用于区分稳定和进展性疾病,显著优于NETest 1.0.

结论:

• 与NETest 1.0.0相比,NETest 2.0为GEP-NEN提供了与NETest 1.0.0相比,在诊断和预后准确性方面取得了实质性的改进.
• 增强的液体活检测试显示出广泛临床应用的潜力,因为其在不同人群中的性能和验证.
• NETest 2.0提供了一个敏感的工具来检测NET,并将其与其他癌症区分开来.