一个基于机器学习的新型交叉验证的Alertix-癌症风险指数,用于早期检测犬类恶性瘤
Hanan Sharif1,2, Reza Arabi Belaghi3, Kiran Kumar Jagarlamudi2
1Alertix Veterinary Diagnostics, Stockholm, Sweden.
Frontiers in veterinary science
|May 12, 2025
概括
一个新的机器学习模型,Alertix-癌症风险指数 (Alertix-CRI),结合了犬类甲基因酶1 (TK1) 和C反应蛋白 (cCRP) 水平,用于早期瘤检测. 这种非侵入性生物标记方法显著提高了狗的诊断准确性.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 生物标志物发现发现
- 机器学习在瘤学中的应用
背景情况:
- 在兽医中对非侵入性瘤生物标志物的需求日益增加.
- 蒂米丁激酶1 (TK1) 是已知的狗恶性瘤的扩散生物标志物.
- 将TK1与诸如犬类C反应蛋白 (cCRP) 这样的炎症生物标志物结合起来,可以提高早期瘤检测的敏感性.
研究的目的:
- 开发和验证一种机器学习模型,Alertix-癌症风险指数 (Alertix-CRI),用于早期发现犬类瘤.
- 将犬类TK1蛋白,cCRP水平和年龄纳入预测模型.
- 评估与单个生物标志物相比,Alertix-CRI的诊断性能.
主要方法:
- 利用了来自健康狗和患有各种瘤的狗的287个血清样本.
- 使用ELISA技术测量了血清TK1和cCRP水平.
- 使用通用增强回归模型 (GBM) 开发了Alertix-CRI,70%的培训和30%的验证数据.
主要成果:
- 在携带瘤的狗中,TK1和cCRP水平显著更高 (p < 0.0001).
- TK1和cCRP表现出相似的敏感性 (54%对51%) 在95%的特异性对整体瘤.
- Alertix-CRI的AUC值为0.98,具有很高的区分能力,达到90%的灵敏度和97%的特异性.
结论:
- Alertix-CRI 作为临床医生的一个有价值的决策支持工具,以区分狗的恶性疾病.
- 该模型促进了精确可靠的诊断工具的进步,用于兽医早期癌症检测和治疗监测.


