对生物标志物和风险分层的新见解,以预测肝细胞癌症

科学领域:

• 肝病学和瘤学 肝病学和瘤学
• 生物标志物发现发现
• 人工智能在医学中的应用

背景情况:

• 肝细胞癌 (HCC) 发病率正在上升,生存率很低,通常是由于晚期诊断.
• 目前的查方法 (AFP,超声波) 是不理想的,特别是随着肥胖和代谢功能障碍相关的脂肪性肝病/脂肪性肝炎 (MASLD/MASH) 的增加率.
• 对于新的生物标志物来说,迫切需要能够早期诊断HCC并进行风险分层.

研究的目的:

• 审查用于HCC检测的新生物标志物和算法.
• 为血液基生物标志物检测肝癌进展提供机制性见解.
• 突出综合方法改善HCC查的潜力.

主要方法:

• 对新型HCC生物标志物和算法完成的第二期和第三期临床试验的审查.
• 对人类研究,动物模型和机械路径 (例如TGF-β路径) 的分析.
• 整合多omics技术,人工智能和精确算法.

主要成果:

• 新兴的生物标志物和算法在分层风险和预测早期HCC方面表现有前途.
• 机械洞察力揭示了如何通过基于血液的标志物检测病态肝脏过程.
• 结合新生物标志物和现有方法的综合方法为改进检测提供了潜在的潜力.

结论:

• 新型基于血液的生物标志物和人工智能算法代表了HCC检测的重大进步.
• 进一步验证对于完善HCC查协议和改善早期诊断至关重要.
• 这些进展对于改善肝癌患者的生存率至关重要,特别是那些患有MASLD/MASH的患者.