基于挥发性有机化合物分析和机器学习,确定胆道癌症的新生物标志物
Jingrong Qian1, Qi Liu1, Jue Wang1
1Department of Clinical Laboratory, Shandong Provincial Third Hospital, Shandong University, Jinan, Shandong, China.
Frontiers in oncology
|May 9, 2025
概括
这项研究探讨了血清挥发性有机化合物 (VOC) 以诊断胆道癌症 (BTC). 一个四个VOC模型实现了高精度,为BTC和良性胆道疾病 (BBD) 提供了有前途的新诊断方法.
科学领域:
- 生物化学 生物化学
- 分析化学 分析化学
- 在瘤学瘤学.
背景情况:
- 目前用于胆道癌 (BTC) 的诊断方法在敏感性和特异性方面存在局限性.
- 将BTC与良性胆道疾病 (BBD) 区分开来仍然是一个临床挑战.
研究的目的:
- 研究血清挥发性有机化合物 (VOC) 作为生物标志物的潜力,以区分BTC和BBD.
- 开发和评估基于机器学习的诊断模型,使用VOC配置文件.
主要方法:
- 来自158名BTC和BBD患者的血清样本使用气体染色体离子运动谱学 (GC-IMS) 来检测VOCs进行了分析.
- 六个机器学习算法 (RF,SVM,LDA,KNN,LASSO,XGBoost) 用于构建和评估诊断模型.
- 通过按特征重要性确定的前4个重要的VOC来优化诊断模型.
主要成果:
- 检测到40种挥发性有机物,其中14种具有统计意义 (p < 0.05),其中11种是BTC上调和3种是下调.
- 随机森林 (RF) 模型实现了AUC为0.935,灵敏度为76.2%,特异性为96.3%.
- 一个优化的4-VOC模型表现出卓越的性能,AUC为0.982,灵敏度为87.9%,特异性为96.7%,显著提高了诊断准确度.
结论:
- 基于4个血清VOC面板的诊断模型显示,区分BTC和BBD患者的可行性.
- 这种基于VOC的方法提供了一个潜在的非侵入性工具,以改善胆道癌症的早期诊断.
