使用常规实验室标记物,基于深度学习的癌症风险增加的患者的识别

科学领域:

• 在瘤学瘤学.
• 生物标志物 生物标志物
• 公共卫生 公共卫生

背景情况:

• 早期癌症查显著提高了生存率,并减少了与晚期诊断相关的治疗负担.
• 目前的癌症查协议利用年龄和家族史进行风险分层,旨在有效地分配资源.
• 需要精细的风险分层方法来识别那些从癌症查中获益最多的人.

研究的目的:

• 开发和评估基于血液标志物的风险分层方法,用于识别特定癌症风险较高的个体.
• 评估用于癌症风险评估的常见血液检测的潜力.
• 探索这种方法在个人风险评估和人口健康管理中的有用性.

主要方法:

• 使用完整血清和完整的代谢面板作为风险分层的血液标志物.
• 使用接收器操作特征 (ROC) 曲线评估血液标记方法的性能.
• 专注于结直肠,肝脏和肺癌的风险评估.

主要成果:

• 综合使用全血细胞计和完整的代谢面板表明,在识别患有结直肠,肝脏和肺癌风险的患者方面有潜力.
• 实现的ROC曲线下的区域为结直肠癌的0.76,肝癌的0.85,肺癌的0.78.
• 表明简单的,广泛可用的血液测试可以作为有效的癌症风险预测器.

结论:

• 基于血液标志物的风险分层策略,使用常见的血液检测是可行的早期癌症检测.
• 这种方法可以引导个人进行及时的诊断测试或查计划.
• 该方法作为一种人口健康管理工具,有望成为了解不同亚群体癌症风险的工具.