基于基因表达的机器学习模型用于肝细胞癌的诊断,预后和治疗反应预测:一项回顾性研究
Tan Thinh Nguyen1, Thanh Dat Nguyen2, Phu Qui Le Nguyen1
1Faculty of Medicine, University of Health Sciences, Vietnam National University Ho Chi Minh City, Ho Chi Minh City, Vietnam.
Journal of Yeungnam medical science
|March 6, 2026
概括
一个新的10基因特征准确地早期检测肝细胞癌 (HCC) 并预测患者的结果. 这种机器学习模型有助于为HCC患者做出个性化治疗决策.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 肝细胞癌 (HCC) 是全球主要的癌症死亡原因.
- 对于HCC的早期诊断和敏感生物标志物至关重要.
- 对于HCC检测,预后和治疗预测,需要分子工具.
研究的目的:
- 开发一种基于基因表达的HCC强大的基因表达模型.
- 使HCC的早期诊断和预后分层成为可能.
- 预测患者对特定HCC疗法的反应.
主要方法:
- 对公共基因表达数据集的分析 (GSE14520队列).
- 多步查差异表达,诊断和预后相关性.
- 使用机器学习 (LASSO逻辑回归) 构建和验证10个基因签名.
主要成果:
- 一个10个基因的签名 (TOP2A,CDK1,CYP3A4,MASP2,EPHX2,HAO1,RACGAP1,GLYAT,ADH1B,CYP4A11) 已经建立.
- 该模型在内部和外部验证队列中显示出高精度 (>0.9 AUC) 的HCC检测和与肝硬化差异化.
- 高风险得分与较差的生存率相关,同时预测了对索拉费尼布和跨动脉化学栓塞 (TACE) 的差异性治疗反应.
结论:
- 机器学习衍生的基因签名为HCC管理提供了强大的工具.
- 该模型支持HCC的诊断,预后和个性化治疗选择.
- 这种方法有可能成为治疗HCC的临床医生的决策支持系统.


