鉴定用于肝细胞癌诊断的新型脂质组生物标志物:先进的增强机器学习技术与可解释的人工智能集成
Fatma Hilal Yagin1,2, Cemil Colak3, Fahaid Al-Hashem4
1Department of Biostatistics, Faculty of Medicine, Malatya Turgut Ozal University, Malatya 44210, Türkiye.
Metabolites
|November 26, 2025
概括
血液脂质分析与可解释的AI相结合,为早期肝细胞癌 (HCC) 检测提供了一种有希望的新方法. 这种方法可以达到很高的准确性,并为肝癌生物标志物提供可解释的见解.
科学领域:
- 生物化学 生物化学
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 肝细胞癌 (HCC) 是全球癌症死亡的主要原因.
- 由于当前查工具的局限性,晚期诊断很常见.
- 早期检测对于改善患者的治疗结果至关重要.
研究的目的:
- 调查基于血液的脂质学分析对早期肝细胞癌 (HCC) 检测的有用性.
- 利用可解释的人工智能 (XAI) 来识别歧视性脂质生物标志物.
- 提高HCC选工具的可解释性和准确性.
主要方法:
- 使用液态染色体质谱法对219名HCC患者和219名健康对照者的血液样本进行脂质学分析.
- 可解释增强机器 (EBM) 的应用,用于生物标志物识别和模型开发.
- 将EBM性能与标准机器学习算法的比较.
主要成果:
- 该EBM模型显示了高的诊断性能:准确率为87.0%,灵敏度为87.7%,特异性为86.3%,AUC为91.8%.
- 确定了主要的脂类生物标志物,包括酸丁胆,斯芬戈米林和酸丁胆.
- 突出显示了与HCC相关的脂代谢的显著变化.
结论:
- 结合脂管学和可解释的机器学习,为HCC生物标志物发现提供了一种透明和准确的方法.
- 这种方法产生了临床上可解释的见解,有助于开发非侵入性查工具.
- 这些发现支持了通过先进的血液分析来改善早期发现肝癌的潜力.
