基于液体活检的膀癌诊断通过机器学习.
Ērika Bitiņa-Barlote1,2, Dmitrijs Bļizņuks3, Sanda Siliņa4
1Institute of Oncology and Molecular Genetics, Riga Stradins University, LV-1002 Riga, Latvia.
Diagnostics (Basel, Switzerland)
|February 26, 2025
概括
这项研究表明,将微RNA (miRNA) 数据与常规临床信息相结合,可以改善非侵入性膀癌诊断. 整合这些数据集的机器学习模型提高了准确性,提供了有前途的诊断方法.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 分子诊断学 分子诊断
背景情况:
- 准确及时诊断膀癌仍然是一个临床挑战.
- 传统方法缺乏所需的准确性,灵敏性,并且具有侵入性.
- 机器学习为改善诊断准确性提供了潜力.
研究的目的:
- 将机器学习应用于增强膀癌诊断.
- 为了整合miRNA表达,实验室结果和临床数据.
- 为了提高非侵入性诊断的准确性.
主要方法:
- 使用液体活检进行尿外小组miRNA分析.
- 收集的例行临床,人口统计和患者测试数据.
- 应用随机森林,SVM和XGBoost机器学习模型.
主要成果:
- SVM模型仅使用miRNA数据就实现了0.75的ROC.
- 临床/人口统计数据显示ROC为0.80.
- 综合数据提高了性能,F1得分为0.79和ROC为0.85.
- 确定了尿液中的红细胞,年龄和特定的miRNA作为关键预测因素.
结论:
- 多模式方法显著提高了膀癌的诊断准确度.
- 这种综合战略提供了一个有前途的非侵入性诊断方法.
- 机器学习有效地结合了各种数据集,以提高临床效用.
