走向精确瘤学:一个多层次的癌症分类系统,整合液体活检和机器学习
Amr Eledkawy1, Taher Hamza1, Sara El-Metwally2,3
1Department of Computer Science, Faculty of Computers and Information, Mansoura University, P.O. Box: 35516, Mansoura, Egypt.
BioData mining
|April 11, 2025
概括
这项研究引入了一种新的多层次癌症分类系统,使用血生物标志物用于早期检测七种癌症类型. 该系统实现了高精度,通过及时干预,改善了患者的治疗结果.
科学领域:
- 生物标志物发现发现
- 计算瘤学计算瘤学
- 精准医学是一门精准的医学.
背景情况:
- 癌症仍然是全世界主要的死亡原因.
- 早期检测显著提高了患者的生存率和治疗疗效.
- 这项研究的重点是确定七种常见的癌症类型.
研究的目的:
- 开发一个多层次的癌症分类系统.
- 为了利用血细胞自由DNA (cfDNA) /循环瘤DNA (ctDNA) 突变和蛋白质生物标志物.
- 增强早期癌症检测并改善患者的治疗结果.
主要方法:
- 一个针对特定癌症类型的多阶段二元分类框架.
- 大多数选票的特征选择组合了六种方法 (信息值,千平方,RF,ET,RFE,L1).
- 定制的分类器 (XGBoost,RF,ET,QDA) 和集体软投票,以获得最佳的准确性.
主要成果:
- 该系统实现了曲线下的面积 (AUC) 为98.2%,准确率为96.21%.
- 业绩超过了先前公布的结果.
- 模型和数据集在GitHub上公开提供,以便可复制.
结论:
- 鉴定到的生物标志物可以提高诊断的解释性,帮助决策.
- 该系统在组织局部化方面表现出高效率.
- 通过及时和精确的医疗干预,有助于改善患者的治疗结果.


