整合转录基因分析和机器学习:婴儿急性髓性白血病的临床可行的预后模型
Yu Tao1, Yali Shen1, YanLai Tang2
1Precision Oncology and Intelligent Theranostics Laboratory, Department of Pediatric Hematology and Oncology, Chongqing Key Laboratory of Pediatric Metabolism and Inflammatory Diseases, Ministry of Education Key Laboratory of Child Development and Disorders, National Clinical Research Center for Child Health and Disorders Children's Hospital of Chongqing Medical University Chongqing China.
一个新的基于RNA表达的模型,婴儿预后得分 (IPSgroup),准确地预测了婴儿急性髓性白血病 (AML) 的结果. 这种工具完善了风险分层,指导治疗决策,如造血干细胞移植 (HSCT).
科学领域:
- 儿科瘤学 儿科瘤学
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 3岁以下的婴儿急性髓性白血病 (AML) 预后不佳,生物学独特.
- 目前婴儿AML风险分层需要根据年龄进行特定评估.
研究的目的:
- 开发一种简单的基于RNA表达的预后模型,用于婴儿AML风险分层.
- 改进婴儿AML患者的治疗决策.
主要方法:
- 利用了来自儿童瘤组试验的213名婴儿AML患者的数据.
- 应用机器学习算法来开发婴儿预后得分 (IPSscore/IPSgroup).
- 在内部 (127个案例) 和外部 (63个案例) 验证了模型.
主要成果:
- 该IPS组独立预测婴儿AML的结果,超过现有的RNA表达模型.
- 确定了高风险的婴儿AML患者,他们可能受益于造血干细胞移植 (HSCT).
- 当与当前系统相结合时,将43%的婴儿AML患者重新分层到更准确的风险组.
结论:
- IPS集团为婴儿AML的临床决策提供了有价值的工具.
- 纳入基因表达分析可以改善婴儿AML的风险分层和治疗策略.
- 婴儿AML表现出显著的临床,分子和预后异质性.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
08:31Murine Model of Leukemia Relapse to Induction Chemotherapy for Acute Lymphoblastic Leukemia
Published on: October 17, 2025
