驱动基因突变和临床特征预测NSCLC骨转移风险:一个后勤回归模型
Haimei Gou1, Shuang He2, Jiao Cheng2
1Department of Clinical Laboratory, Affiliated Hospital of North Sichuan Medical College, Nanchong 637000 Sichuan, China; School of Laboratory Medicine, North Sichuan Medical College, Nanchong 637000 Sichuan, China.
Cancer genetics
|March 4, 2026
概括
表皮生长因子受体 (EGFR) 突变与非小细胞肺癌 (NSCLC) 骨转移的风险更高有关. 结合EGFR状态和临床因素的机器学习模型有助于预测骨转移风险.
科学领域:
- 在瘤学瘤学.
- 分子生物学分子生物学
- 遗传学 是一个遗传学.
背景情况:
- 骨转移是非小细胞肺癌 (NSCLC) 的常见并发症,显著恶化了患者的结果.
- 连接基因突变与NSCLC骨转移的分子驱动因素尚未得到充分理解.
- 了解这些联系对于改善患者预后和开发向疗法至关重要.
研究的目的:
- 调查NSCLC患者的驱动基因突变和骨转移之间的关联.
- 开发和验证基于机器学习的骨转移风险预测模型.
- 确定NSCLC早期骨转移的关键分子和临床预测因素.
主要方法:
- 对362名东亚NSCLC患者的回顾性分析.
- 机器学习技术包括LASSO回归和模型构建的后勤回归.
- SHAP分析以确定预测模型中的特征重要性.
主要成果:
- EGFR突变与骨转移的风险增加显著相关 (同步转移的OR为2.395,一年内的OR为2.228).
- EGFR 19-Del和L858R亚型显示出与骨转移的最强相关性.
- 先进的T阶段,N阶段和腺癌组织学也被确定为显著的危险因素.
- 在验证集上,物流回归模型在验证集上实现了0.704 (同步) 和0.708 (一年内) 的AUC.
- 在模型中,T阶段和EGFR突变状态是最有影响力的预测因素.
结论:
- EGFR突变是NSCLC早期骨转移的关键分子驱动因素.
- 开发的预测模型整合了分子和临床数据,证明了风险评估的良好表现.
- 使用该模型进行个性化风险分层,可以促进在NSCLC患者骨转移的及时干预.


