基于等离子微RNA-15a/16-1的机器学习,用于早期检测与乙型肝炎病毒相关的肝细胞癌
Huan Wei1, Songhao Luo2, Yanhua Bi1,3
1Guangdong Provincial Key Laboratory of Liver Disease Research, The Third Affiliated Hospital of Sun Yat-sen University, Guangzhou, China.
Liver research
|February 17, 2025
概括
血微RNA-15a/16显示为诊断乙型肝炎病毒相关肝细胞癌 (HBV-HCC) 的生物标志物具有前途. 这种机器学习模型的准确性高于α-fetoprotein (AFP),特别是在早期疾病中.
科学领域:
- 生物化学 生物化学
- 在瘤学瘤学.
- 分子诊断学 分子诊断
背景情况:
- 肝细胞癌 (HCC) 是一个全球性健康挑战,死亡率高.
- 有效的诊断生物标志物对于管理HCC至关重要,特别是与乙型肝炎病毒相关的HCC (HBV-HCC).
研究的目的:
- 评估血微RNA-15a/16 (miR-15a/16) 作为HBV-HCC的诊断生物标志物.
- 使用机器学习模型将miR-15a/16与α-fetoprotein (AFP) 的诊断性能进行比较.
主要方法:
- 量化聚合酶连锁反应用于测量766名参与者的血miR-15a/16水平.
- 使用机器学习模型来评估诊断性能,并通过伪时间分类进行验证,以模拟疾病进展.
主要成果:
- 与对照组相比,HCC患者的血miR-15a/16水平显著降低.
- 机器学习模型单独和与AFP结合的miR-15a和miR-16的诊断性能优越,单独的AFP的性能优于AFP.
- 在早期,小瘤和AFP阴性HCC病例中,miR-15a/16显示出强大的诊断能力.
结论:
- 一个基于血miR-15a/16的机器学习模型为早期HCC检测提供了增强的诊断性能.
- 这种生物标志物组合在HBV-HCC诊断中比现有方法 (如AFP) 显著改进.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
04:11Author Spotlight: Advancements and Challenges in Hepatitis B Virus Detection
Published on: December 15, 2023
3.1K
