精确诊断由外围血液中单细胞免疫特征驱动的小型侵入性肺结节
Yang Xia1,2, Yin Zhu3,4, Sai Zhang5
1Key Laboratory of Respiratory Disease of Zhejiang Province, Department of Respiratory and Critical Care Medicine, Second Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou, Zhejiang, China. yxia@zju.edu.cn.
Nature communications
|December 8, 2025
概括
外围免疫分析与机器学习相结合,准确地检测入侵性肺结节,并预测瘤的入侵性,改善肺结节管理和手术决策.
科学领域:
- 免疫学 免疫学 免疫学
- 在瘤学瘤学.
- 数据科学数据科学数据科学
背景情况:
- 早期发现肺癌至关重要,但具有挑战性.
- 肺结节和侵入性的准确诊断是困难的.
- 免疫功能障碍与癌症的发展有关.
研究的目的:
- 开发一种用于肺结节管理的新平台.
- 利用外围免疫分析和机器学习.
- 提高诊断侵袭性结节和预测瘤侵袭性的准确性.
主要方法:
- 多中心,前性研究.
- 使用质量细胞测量进行外周免疫分析.
- 机器学习算法用于数据分析.
主要成果:
- 综合平台准确区分侵袭性和非侵袭性肺结节 (AUC=0.952).
- 它的性能优于现有的临床和放射学模型.
- 该平台有效地预测瘤的侵入性,区分微侵入性和侵入性腺癌 (AUC=0.949).
结论:
- 开发的平台显示了肺结节管理的显著临床实用性.
- 它为指导外科决定提供了一个有前途的精确工具.
- 外围免疫分析与人工智能相结合,提高了肺结节的诊断准确度.
