基于多层感知子的二进制分类神经网络在通过9个人类血清蛋白标记器检测乳腺癌方面的有效性
Eun-Gyeong Lee1, Jaihong Han1, Seeyoun Lee1
1Department of Surgery, Center of Breast Cancer, Research Institute and Hospital, National Cancer Center, Goyang 10408, Republic of Korea.
Cancers
|September 13, 2025
概括
与较旧的三蛋白检测相比,一种新的九蛋白血液检测显著提高了乳腺癌检测准确度. 这种增强的诊断工具显示出更高的敏感性和特异性,用于早期癌症识别.
科学领域:
- 生物标志物发现发现
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
背景情况:
- 一个现有的三蛋白签名用于基于血液的乳腺癌诊断.
- 开发了一种新的九种蛋白质血清特征,以提高诊断准确度.
研究的目的:
- 通过使用九蛋白签名来评估医疗器械的临床敏感性和特异性.
- 评估人工智能算法用于乳腺癌诊断的性能.
主要方法:
- 在血清样本中量化了九种特定蛋白质 (APOC1,CHL1,FN1,VWF,PPBP,CLU,PRDX6,PRG4,MMP9).
- 通过质谱测量用于蛋白质量定量的多重反应监测.
- 分析了来自243名健康对照和222名乳腺癌患者的样本.
主要成果:
- 这九种蛋白质签名在乳腺癌诊断方面实现了83.3%的灵敏度和88.1%的特异性.
- 这三种蛋白质的特征显示了71.6%的灵敏度和85.3%的特异性.
- 与三种蛋白质签名 (77.0%) 相比,九种蛋白质签名的准确性更高 (85.8%).
结论:
- 九种蛋白质签名为乳腺癌检测提供了更准确,更有效的方法.
- 这种增强的签名显示了改善基于血液的癌症诊断的潜力.
- 人工智能模型可以有效地利用蛋白质签名进行临床评估.
