开发一种机器学习模型,以便为食道癌的新辅助化疗选择治疗

科学领域:

• 在瘤学瘤学.
• 遗传学 遗传学 是一个
• 生物信息学是一种生物信息学.

背景情况:

• 含多西的新辅助化疗 (CF疗法) 是食道癌的标准,但会导致严重的不良事件.
• 需要预后系统来个性化CF治疗方案,用于局部晚期食道癌.

研究的目的:

• 开发一种预后系统,用于预测食道癌患者的复发,这些患者接受过CF治疗.
• 识别与治疗结果相关的遗传变异,并构建预测模型.

主要方法:

• 在82名患者中对56个与自和食道癌相关的基因进行了有针对性的丰富测序.
• 识别与复发相关的单核酸变异 (SNVs).
• 开发一个纯粹的贝叶斯机器学习模型,使用21个功能来预测复发.

主要成果:

• 13个SNV,包括8个非同义词,与食道癌复发有显著的相关性 (p < 0.05).
• 在ATG2A p.R478C和ULK2拼接部位的变异影响了无复发和整体存活率.
• 纯粹的贝叶斯模型在预测复发方面实现了高精度 (0.88) 和AUC (0.9).

结论:

• 基因变异可以预测新辅助化疗后食道癌复发.
• 开发的机器学习模型为个性化治疗选择提供了可靠的工具.
• 这些发现可以指导在特定患者群体中避免使用多塞来缓解不良事件.