在肺癌中,通过多式联络临床信息整合,通过人工智能实现分子表型化和预后预测
Yuxing Lu1, Fei Liu2, Yunfang Yu3
1Department of Big Data and Biomedical AI, College of Future Technology, Peking University, Beijing 100871, China; State Key Laboratory of Eye Health, Eye Hospital and Institute for Advanced Study on Eye Health and Diseases, Wenzhou Medical University, Wenzhou, China.
Cell reports. Medicine
|July 3, 2025
概括
一个新的AI框架,LUCID,使用CT扫描等非侵入性数据准确预测肺癌EGFR突变状态和生存率. 这促进了早期肺癌的诊断和预后.
科学领域:
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 检测基因突变和预测存活率的准确,非侵入性方法对于向治疗和改善患者结果至关重要.
- 当前的诊断模型往往缺乏全面的数据整合,限制了临床评估.
研究的目的:
- 引入LUCID,一个多式联运数据集成框架.
- 在肺癌患者中预测表皮生长因子受体 (EGFR) 突变状态和生存结果.
- 为早期临床评估提供一种非侵入性工具.
主要方法:
- LUCID集成了肺部计算机断层扫描 (CT) 图像,首席投诉,实验室结果和人口统计数据.
- 该框架是在5175名肺癌患者的回顾性队列上开发和验证的.
- 性能被评估使用接收器操作特征曲线 (AUC) 下的面积用于突变预测和生存时间预测.
主要成果:
- 对于EGFR突变预测,LUCID的AUC达到0.8510.881.
- 预测生存时间的AUC范围从0.821到0.912.
- 该模型在外部验证队列和缺失数据模式中显示出强大的性能.
结论:
- LUCID提供了一种强大的非侵入性方法,用于预测肺癌中的EGFR突变状态和存活率.
- 该框架的多式联运数据集成增强了诊断和预后能力.
- LUCID显示了改善早期肺癌评估和指导治疗决策的前景.
