基于mRNA表达的分类器的开发和验证,以预测低风险的甲状腺瘤

科学领域:

• 在瘤学瘤学.
• 基因组学就是基因组学.
• 分子诊断学 分子诊断

背景情况:

• 甲状腺结节的分子变异提供了人口水平的预后数据,但显示了可变的临床行为.
• 以外基因丰富基因表达分析可能会超越点突变或基于融合模型的局限性.
• 准确的甲状腺癌入侵和转移的术前预测对于治疗规划至关重要.

研究的目的:

• 开发和验证基于mRNA的分类器,用于甲状腺瘤入侵的术前风险评估.
• 创建能够排除甲状腺癌患者淋巴结转移的分类器.
• 改进个性化手术方法,减少甲状腺癌管理中的过度治疗.

主要方法:

• 用甲状腺癌患者的组织病理学报告进行回顾性队列研究.
• 开发基于mRNA表达的分类器,使用文献衍生的签名和差异表达的基因.
• 机器学习算法用于对独立队列的分类器开发和验证.

主要成果:

• 分类器显示高负预测值 (NPV) 排除入侵 (97.6%的发展,99%的验证) 和淋巴结转移 (98.6%的发展,100%的验证).
• 显著的比例的患者被归类为入侵和转移的低风险,使潜在的手术缓解成为可能.
• 验证队列证实了mRNA分类器在现实临床环境中的高准确性.

结论:

• 基于基因表达的分类器可以自信地排除甲状腺瘤入侵和淋巴结转移在手术前.
• 这些分类器支持个性化手术策略,可能减少过度治疗和相关并发症.
• 预计将减少手术干预和改善患者的治疗结果,包括手术后甲状腺功能低下的病例减少.