全球甲状腺癌模式和预测分析:整合机器学习用于高级诊断建模
Yao Sun1, Yongsheng Jia2, Kuan Fu1
1Department of Radiation Oncology, Tianjin Medical University Cancer Institute & Hospital, National Clinical Research Center for Cancer, Tianjin's Clinical Research Center for Cancer, Key Laboratory of Cancer Prevention and Therapy, Tianjin, China.
Journal of cellular and molecular medicine
|July 2, 2025
概括
甲状腺癌研究揭示了炎症媒介的升高,并确定了关键的髓状细胞通信网络. 这些发现为改善甲状腺癌的诊断和向治疗提供了潜力.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 全球甲状腺癌发病率的增加,尤其是女性.
- 在了解甲状腺癌的分子驱动因素和诊断工具方面存在差距.
研究的目的:
- 研究甲状腺癌中的分子特征.
- 验证早期检测的诊断标记.
- 促进有针对性的治疗开发.
主要方法:
- 定量PCR和ELISA用于基因/细胞因子分析.
- 单细胞转录组学用于细胞通信.
- 对差异表达和细胞因子变化的统计分析.
主要成果:
- 增高的促炎性细胞因子 (TNF-α,IL-6,IL-8,VEGF) 和免疫调节性细胞因子 (TGF-β,IL-10) (增加了2.5-4.0倍).
- 独特的基因模块 (MEblue,MEmagenta) 与疾病进展相关.
- 计算算法实现了0.963AUC的诊断;骨髓状细胞网络 (MIF,GALECTIN) 被确定为关键介质.
结论:
- 通过骨髓中心网络扩大对甲状腺癌发生的分子理解.
- 确定分子签名和基因模块作为潜在的诊断和治疗点.
- 需要在不同的患者群体中进行前性验证,以获得临床实用性.


