基于免疫特征和常规实验室指标的机器学习用于预测肺癌
Yi Huang1, Kaishan Jiang1, Xiaochen Wang1
1Department of Laboratory Medicine, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, China.
Computers in biology and medicine
|April 1, 2025
概括
通过将免疫细胞分析与常规检测相结合,可以改善早期肺癌检测. 机器学习模型使用这些综合指标准确预测癌症的存在和阶段.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 计算生物学 计算生物学
背景情况:
- 肺癌的早期诊断仍然是当前方法的一个重大挑战.
- 确定可靠的生物标志物用于早期检测对于改善患者的治疗结果至关重要.
研究的目的:
- 研究宿主免疫参数的实用性,与传统的实验室测试一起,用于早期预测肺癌.
- 评估机器学习算法在使用组合诊断指标对肺癌阶段进行分类方面的潜力.
主要方法:
- 流细胞测量用于分析221名患者的免疫特征.
- 机器学习算法 (SVC,逻辑回归) 用于分类肺癌的阶段.
- 使用了常规和免疫指标的组合,以及单独的常规指标.
主要成果:
- 在肺癌各个阶段观察到免疫特征的显著变化.
- 效能记忆CD8+T细胞和多态核MDSC的百分比增加与癌症进展相关.
- 在癌症进展过程中,发现原始CD8+T细胞,DC细胞和NKG2D+NK细胞的百分比下降.
- 整合免疫和传统标记物的机器学习模型在预测肺癌的存在和阶段方面取得了很高的准确性.
结论:
- 这项研究描述了在良性条件下和肺癌各个阶段的免疫场景.
- 通过机器学习将常规实验室测试与免疫指标相结合,可以预测肺癌及其阶段.
