基于机器学习的模型的临床性能,用于检测乳头甲状腺癌中的淋巴结转移:一项多中心研究
Wei Liu1, Jiaojiao Zheng1, Liang Han2
1Department of General Surgery (Thyroid & Breast), Zhongshan Hospital, Fudan University, Shanghai, China.
International journal of surgery (London, England)
|April 23, 2025
概括
一个人工智能模型使用基因表达来预测乳头甲状腺癌中的淋巴结转移. 这种非侵入性方法有助于手术决策,并减少不必要的手术,以获得更好的患者结果.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 人工智能的人工智能
背景情况:
- 乳头甲状腺癌 (PTC) 是一种常见的内分泌恶性瘤.
- 在PTC中淋巴结转移 (LNM) 复杂化了治疗,增加了复发风险.
- 目前的手术前LNM检测方法,如超声波,具有局限性,可能导致过度治疗.
研究的目的:
- 开发和验证使用基因表达数据在PTC中用于LNM的非侵入性AI驱动的预测模型.
- 在PTC中确定与LNM相关的关键基因和途径.
- 为改善手术前评估LNM提供一个工具,以指导手术管理.
主要方法:
- 分析了157名PTC患者的基因表达数据,以开发一个预测模型.
- 使用一个随机森林算法,专注于RPS4Y1,PKHD1L1和CRABP1基因.
- 该模型的性能使用qRT-PCR在来自多个中心的807名患者的独立队列中得到验证.
主要成果:
- 人工智能模型在预测LNM方面表现出很高的准确性,在训练中AUROC为0.992,在外部验证中为0.911-0.953.
- RPS4Y1被确定为LNM的一个非常重要的预测因子.
- 免疫相关的途径,包括TGF-β信号传递和与癌症相关的纤维细胞激活,都与PTC转移有关.
结论:
- 一个基于基因表达的非侵入性AI模型可以准确地预测PTC中的LNM.
- 该模型提供了一种具有成本效益的工具,以协助手术前的手术规划,从而可能减少不必要的手术.
- 这些发现为PTC中LNM的分子机制提供了宝贵的见解,指导了未来的研究和临床策略.
