相关实验视频
Updated: Jun 6, 2026

Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
基于ProMisE分子分类器和子宫内膜癌的免疫-炎症-营养评分的复发预测模型的开发和验证:一项回顾性多中心研究
Yunfeng Zheng1, Fan Yang2, Gaohua Liu3
1Department of Gynecologic Oncology, Women's Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang, China; Zhejiang Provincial Key Laboratory of Precision Diagnosis and Therapy for Major Gynecological Diseases, Hangzhou, Zhejiang, China.
一个新的模型将血红蛋白,白蛋白,淋巴细胞和血小板 (HALP) 分数与ProMisE分子亚型和临床因素结合起来,准确地预测子宫内膜癌复发. 这有助于识别高风险患者进行量身定制的治疗和监测.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 生物统计学 生物统计学
背景情况:
- 子宫内膜癌复发是一个重大挑战,需要改善风险分层,以实现最佳的患者管理.
- 当前的预后模型可能无法充分捕捉早期疾病复杂性复发风险的复杂性.
研究的目的:
- 在I-III期子宫内膜癌中开发和验证无复发生存期 (RFS) 的可靠预测模型.
- 整合ProMisE分子分类和预后免疫-炎症-营养评分 (HALP评分) 以提高风险分层.
主要方法:
- 来自多个中心的582名患有I-III期子宫内膜癌的患者的回顾性分析.
- 利用考克斯的比例危险回归来确定RFS的预后因素.
- 使用一致性指数 (C指数),ROC曲线,校准图和决策曲线分析 (DCA) 评估模型性能.
主要成果:
- 低血红蛋白,白蛋白,淋巴细胞和血小板 (HALP) 评分与不良的临床病理特征有关.
- 多变量分析确定了年龄,FIGO阶段,等级,LVSI,Ca125,ProMisE亚组,HALP得分和辅助治疗作为RFS的独立预后因素.
- 开发了一种预测性名谱,将患者分为高风险和低风险组,以预防复发.
结论:
- 手术前的HALP得分是子宫内膜癌中RFS的可靠预测指标.
- 一个整合HALP得分,ProMisE亚型和临床参数的名录图可以有效地识别高风险患者.
- 该模型可以指导早期分拣和密集监测高复发风险的患者.
更多相关视频
03:05Author Spotlight: Advancing Early Detection and Treatment of Gastrointestinal Tumors
Published on: February 16, 2024
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
相关概念视频
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...