机器学习启用了与瘤相关的循环转录的非侵入性查,用于早期检测结肠直肠癌
Jin Han1, Sunyoung Park2, Li Ah Kim1
1Department of Biomedical Laboratory Science, College of Software and Digital Healthcare Convergence, Yonsei University Mirae Campus, Wonju 26493, Republic of Korea.
International journal of molecular sciences
|February 26, 2025
概括
这项研究表明,与瘤相关的循环转录 (TACT) 与人工智能 (AI) 模型相结合,为结直肠癌 (CRC) 检测提供了一个有希望的非侵入性方法,改善了早期诊断和患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 计算生物学 计算生物学
背景情况:
- 结肠直肠癌 (CRC) 仍然是全球癌症死亡的主要原因.
- 准确的,非侵入性诊断方法对于早期CRC检测和改善患者存活率至关重要.
- 与瘤相关的循环转录 (TACT) 正在成为癌症检测的潜在生物标志物.
研究的目的:
- 评估TACT用于结直肠癌 (CRC) 检测的诊断效用.
- 将TACT标记器集成到机器学习 (ML) 模型中,以提高诊断准确度.
- 使用TACT生物标志物确定CRC检测的最佳ML模型.
主要方法:
- 这项研究评估了五种机器学习模型:通用线性模型,随机森林,梯度增强机器,深度神经网络 (DNN) 和AutoML.
- 在这些模型中,TACT被用作CRC检测的生物标志物.
- 模型性能根据灵敏度和特异性进行评估.
主要成果:
- 深度神经网络 (DNN) 模型表现出最佳性能.
- 对于CRC检测,DNN模型实现了85.7%的灵敏度和90.9%的特异性.
- 高水平的诊断性能特别在早期结肠直肠癌中得到了特别的关注.
结论:
- 将TACT标记与基于人工智能的分析结合起来,为非侵入性CRC查提供了一个可扩展和精确的方法.
- 这种综合方法显著推进了非侵入性癌症诊断.
- 这些发现支持TACT和AI在改善早期CRC检测和患者结果方面的潜力.
