全球甲状腺癌的流行病学特征和机器学习诊断模型的构建

科学领域:

• 在瘤学瘤学.
• 流行病学 流行病学
• 生物信息学是一种生物信息学.

背景情况:

• 甲状腺癌 (TC) 发病率在全球范围内不断上升,不成比例地影响女性.
• 了解时间趋势和风险因素对于公共卫生战略至关重要.
• 年龄和性别被确定为TC患病率的关键人口因素.

研究的目的:

• 利用全球疾病负担数据库分析1990-2021年全球甲状腺癌发病率趋势.
• 利用机器学习算法开发一种高性能甲状腺癌诊断模型.
• 通过单细胞RNA测序来研究瘤微环境和骨髓细胞相互作用.

主要方法:

• 用年龄段的队列模型来分析TC发病率趋势,重点关注队列和时期效应.
• 机器学习算法,包括LASSO和Ridge回归,用于诊断模型开发和基因选择.
• 单细胞RNA测序进行,以探索瘤微环境中的髓状细胞亚群.

主要成果:

• 年龄和月经的影响被确定为甲状腺癌趋势的主要驱动因素,特别是在女性人口中.
• 机器学习模型在甲状腺癌诊断方面表现出显著的预测准确性.
• 单细胞RNA测序揭示了髓状细胞和瘤微环境之间的关键相互作用.

结论:

• 这项研究对甲状腺癌流行病学趋势进行了彻底分析,并提供了一种基于机器学习的新型诊断工具.
• 从单细胞RNA测序的洞察力提供了对瘤微环境的更深入的理解.
• 这些发现可能会为未来甲状腺癌治疗策略的开发提供信息.