多omics模型是诊断良性和恶性肺结节的有效手段
Yunzeng Zhang1, Fan Zhang2, Changming Shen2
1Department of Thoracic Surgery, Shandong Public Health Clinical Center, Shandong University, Shandong, China; Department of Thoracic Surgery, The Second Hospital of Shandong University, Jinan, Shandong, China.
Clinics (Sao Paulo, Brazil)
|February 22, 2025
概括
结合血液代谢物检测和人工智能成像分析的新型多omics方法显示,它有望准确诊断肺结节. 这种方法改进了传统的低剂量计算机断层扫描 (LDCT),通过减少肺癌检测中的错误阳性结果.
科学领域:
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
- 生物信息学是一种生物信息学.
背景情况:
- 传统的低剂量计算机断层扫描 (LDCT) 在诊断肺结节 (PNs) 中表现出高的错误阳性率.
- 准确和非侵入性方法对于早期和可靠地检测恶性PNS至关重要.
研究的目的:
- 评估结合基于血液的非侵入性代谢物检测与用于PN诊断的AI驱动成像分析的疗效.
- 为了比较多omics模型与单omics方法的诊断性能.
主要方法:
- 对210名PN患者 (23名良性,187名恶性) 的回顾性分析.
- 使用代谢学,放射学和多氧学数据进行风险评分.
- 病理学分类作为黄金标准.
- 统计和机器学习模型被用于分析.
主要成果:
- 代谢学,放射学和多组学模型在不同风险群体中显示出不同的性能.
- 多omics模型实现了接收器运行特征曲线 (AUC) 下的面积为0.823.
- 多omics方法在诊断恶性PNS方面表现优于单个omics模型.
结论:
- 综合血液代谢物和成像数据的多奥米克模型为肺恶性结节提供了卓越的诊断准确性.
- 与传统方法和单个omic分析相比,这种综合方法提供了一个更有效的非侵入性策略.
