一个临床病理学和简化的基于分子标记者的风险分层模型,用于预测子宫内膜癌在3年内复发的风险
Juntao Zhang1, Yichuan Zhou2, Yuzhen Huang3
1National Central Cancer Registry Office, National Cancer Center/National Clinical Research Center for Cancer/Cancer Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Clinical Medicine Insights. Oncology
|March 6, 2026
概括
一种名为PM-TERR的新模型结合了临床病理学和分子标记来预测子宫内膜癌 (EC) 复发. 该工具有助于评估EC患者的3年无病生存率.
科学领域:
- 在瘤学瘤学.
- 生物标志物 生物标志物
- 临床预后 临床预后
背景情况:
- 子宫内膜癌 (EC) 复发风险评估从整合临床病理学参数和分子生物标志物中获益.
- 准确的预后工具对于量身定制患者管理和改善EC的结果至关重要.
研究的目的:
- 开发和验证一个预测模型,以预测子宫内膜癌在3年内复发.
- 将临床病理参数与简单的分子特征相结合,以提高预后准确度.
主要方法:
- 使用了136名EC患者的回顾性队列,数据分为培训 (96) 和测试 (40) 组.
- 该PM-TERR (基于临床病理学和简化分子标记的EC定制的3年复发风险) 模型是使用阶段,等级,病理类型和P53状态开发的.
- 使用卡普兰-梅尔分析和时间依赖ROC分析来评估预测性绩效.
主要成果:
- 在训练和测试组中,PM-TERR模型与无病生存率 (DFS) 有显著的关联 (P < .001).
- 在预测DFS方面,PM-TERR表现优于ESMO分层,显示出更高的预测准确度和AUC值.
- 该模型的预测能力得到了显著提高,在两个队列中都有增加的概率值.
结论:
- 整合阶段,等级,组织学和p53状态的PM-TERR模型显示,有可能预测3年后EC复发.
- 这项回顾性研究强调了结合临床和分子数据用于EC预后的实用性.
- 需要进一步的前性多中心验证,以确认PM-TERR模型的稳定性和临床适用性.
更多相关视频
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
835
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
975
