转录组分析和人工智能用于预测食道状细胞癌的淋巴结转移
Zhengang Zhao1, Yujie Xie2, Dongmei Lai3
1Department of Thoracic Surgery, Gaozhou People's Hospital Affiliated to Guangdong Medical University, Maoming, China.
Journal of thoracic disease
|June 18, 2025
概括
这项研究结合了转录组分析和人工智能 (AI) 来准确预测食道状细胞癌 (ESCC) 中的淋巴结转移 (LNM). 开发的AI模型提高了预测准确性,帮助ESCC患者的临床分期和手术决策.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 淋巴结转移 (LNM) 对食道状细胞癌 (ESCC) 治疗决策至关重要.
- 目前用于ESCC的LNM诊断方法缺乏足够的准确性.
- 精确的LNM分期对于ESCC有效的临床管理至关重要.
研究的目的:
- 研究将转录组分析与人工智能 (AI) 结合起来,用于预测ESCC中的LNM的实用性.
- 开发和验证ESCC患者中LNM的有效预测模型.
主要方法:
- RNA测序 (RNA-seq) 在ESCC与LNM中鉴定出差异表达的基因.
- 随机森林算法选择了候选基因并构建了一个AI预测模型.
- 逻辑回归,卡普兰-梅尔分析和ROC曲线 (AUC) 用于验证.
主要成果:
- RNA-seq确定了2837个差异表达的基因;SIM2,CUX1和CYP4B1是关键的诊断基因.
- 患有LNM的患者的整体存活率 (OS) 较差;基因表达与OS相关.
- 后勤回归模型的AUC值为0.83,AI模型的AUC值为0.78.
结论:
- 人工智能和转录组分析为预测ESCC中的LNM提供了强大的方法.
- 开发的风险模型提高了LNM的预测准确性.
- 这种预测模型可以为ESCC提供临床分期和手术前决策信息.
