使用S100A9,CCL5和血液生物标志物用于鼻癌的多参数诊断模型

科学领域:

• 生物标志物和诊断仪器
• 在瘤学瘤学.
• 蛋白质组学是指蛋白质组学.

背景情况:

• 鼻癌 (NPC) 的诊断依赖于侵入性方法.
• 识别非侵入性基于血液的生物标志物对于早期检测至关重要.
• S100A9和CCL5与炎症和癌症过程有关.

研究的目的:

• 在NPC患者中分析血清S100A9和CCL5水平.
• 评估它们的预测价值作为NPC诊断的基于血液的指标.
• 使用机器学习开发和验证NPC的预测模型.

主要方法:

• 在NPC患者和对照人群中测量了血清S100A9和CCL5水平.
• 逻辑回归和LASSO回归用于变量选择.
• 四个机器学习算法开发了NPC预测模型,用ROC曲线,校准曲线和DCA进行评估.

主要成果:

• 在NPC患者中,血清S100A9和CCL5水平显著更高.
• 与CCL5.5相比,S100A9的诊断性能表现优越.
• 一个包含S100A9,CCL5,ALB,GLB和PLR的后勤回归模型实现了0.877 (培训) 和0.817 (验证) 的AUC.

结论:

• 血清S100A9和CCL5是NPC的有价值的诊断生物标志物.
• 开发的机器学习模型显示了NPC诊断的显著临床实用性和预测性能.
• 这些发现支持使用基于血液的生物标志物进行非侵入性NPC检测.