在乳腺癌中新辅助疗法反应的预测模型
Rafael Nambo-Venegas1, Virginia Isabel Enríquez-Cárcamo2, Marcela Vela-Amieva3
1Protein Structure Laboratory, National Institute of Genomic Medicine (INMEGEN), 14610, Mexico City, Mexico.
Metabolomics : Official journal of the Metabolomic Society
|February 20, 2025
概括
代谢学和机器学习可以预测乳腺癌治疗反应. 这项研究确定了18种生物标志物,在预测个性化医学的新辅助疗法结果方面达到90.7%的准确性.
科学领域:
- 在瘤学瘤学.
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
背景情况:
- 新辅助疗法是一种标准的乳腺癌治疗方法,患者反应可变.
- 准确预测治疗反应对于个性化医学至关重要.
研究的目的:
- 开发和验证使用循环代谢物的机器学习模型,以预测乳腺癌患者的新辅助疗法反应.
- 通过准确的反应预测,增强个性化治疗策略.
主要方法:
- 对30名年轻女性乳腺癌患者的回顾性分析 (响应者与非响应者).
- 使用液体染色学-并联质谱的等离子体代谢组分析,专注于40种代谢物.
- 机器学习模型的开发和验证,以识别预测生物标志物.
主要成果:
- 确定了18种重要的生物标志物,包括甲和氨基酸.
- 开发了一个具有90.7%准确度和AUC为0.999.99的预测模型.
- 突出了循环代谢物在预测治疗结果中的重要作用.
结论:
- 代谢学对于个性化乳腺癌医学至关重要.
- 可以有效地确定代谢物生物标志物与新辅助疗法反应相关联.
- 这种方法可以根据个体的代谢特征量身定制治疗,以改善患者的治疗结果.
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
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.6K
