基于机器学习算法对乳腺癌中CCR5的DCE-MRI放射学模型的非侵入性预测
Qingfeng Li1,2, Wenting Li1, Jianliang Wang3
1First Clinical Medical College, Jiangsu Collaborative Innovation Center of Traditional Chinese Medicine Prevention and Treatment of Cancer, Nanjing University of Chinese Medicine, Nanjing, China.
Cancer biomarkers : section A of Disease markers
|May 21, 2025
概括
这项研究揭示了CC动机化学因子受体5型 (CCR5) 是乳腺癌 (BC) 的预后生物标志物. 使用DCE-MRI的新型放射学模型可以非侵入性地预测CCR5表达和患者存活率.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 生物信息学是一种生物信息学.
背景情况:
- 乳腺癌 (BC) 存活率的非侵入性预后生物标志物至关重要.
- 在BC预后中C-C动机化学因受体5型 (CCR5) 的作用需要进一步调查.
研究的目的:
- 为了评估CCR5在乳腺癌的预后价值.
- 开发一种放射学模型,用于在BC中非侵入性预测CCR5表达.
主要方法:
- 分析公元前840年的病例,使用基因组数据进行生存和生物信息学.
- 使用98个DCE-MRI扫描和机器学习 (SVM,LR) 开发放射学模型.
- 使用mRMR和REF算法进行特征选择;模型性能通过AUC和Delong测试进行评估.
主要成果:
- 在BC患者中,高CR5表达与更好的整体存活 (OS) 相关联 (p < 0.01).
- 开发的放射学模型在预测CCR5表达方面表现良好 (AUC高达0.763).
- 放射学评分显示,与免疫相关基因有显著的关联.
结论:
- 一个基于DCE-MRI的放射学模型提供了一种新的非侵入性方法,用于预测乳腺癌中CCR5的表达.
- 这种方法为BC管理中的临床决策提供了有价值的预后见解.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
15:48Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
Published on: December 15, 2014
22.3K