您好,欢迎您

2024 WCLC 中国之声 | 基于深度学习的多组学模型在IPL临床管理中具有应用潜力

08月17日
编译:肿瘤资讯
来源:2024 WCLC

2024世界肺癌大会(WCLC)将于美国当地时间9月7-10日在圣地亚哥举行,旨在为全球肺癌领域的学者、专家、从业人员提供最新临床研究、科学研究成果及广阔的学术交流平台。


近日,WCLC官网已披露部分摘要。其中多项由中国研究者主导的重要研究成果入选大会摘要,在国际盛会唱响中国好声音。上海市肺科医院M. Zhao报告了一项基于深度学习、用于肺癌诊断的多组学模型。【肿瘤资讯】特此整理,以飨读者。

研究标题:Deep Learning-Based Multiomic Model for Lung Cancer Diagnosis

摘要号:MA02.13

背景

快速鉴别不确定肺部病变(IPL)中的肺癌并避免对良性疾病患者进行不必要的侵入性活检,这两者往往难以兼顾。本研究提出了一种多组学深度学习模型(RadmC)来实现这些目标。

方法

研究者从5家临床中心的1236名携带IPL的参与者中收集了1236份cfDNA样本和CT图像。RadmC模型的构建基于放射组学和表观基因组学特征,包括5-甲基胞嘧啶、5-羟甲基胞嘧啶及其比率。在训练队列(n=864)中进行了模型训练,并通过曲线下面积(AUC)、敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和准确性对模型进行评估。同时评估了RadmC在重新分类IPL中的临床净效益及其生物学基础,以提高模型的可解释性。

结果

RadmC模型在内部验证队列(n=187)和外部验证队列(n=185)中的表现优于单组学模型,AUC分别为0.908和0.897,并在敏感性(0.823和0.864)、特异性(0.870和0.822)、阳性预测值(PPV:0.951和0.938)、阴性预测值(NPV:0.615和0.661)以及准确性(0.834和0.854)方面表现最佳。该模型在不同临床场景下均表现出色,包括不同的年龄、性别、病灶位置、病灶类型、大小以及腺癌的不同亚分期。对于Mayo和Brock模型评估为中等风险的IPL,RadmC能够准确重新分类64.5%和80.3%的癌症病例,以及86.1%和88.1%的良性病变,减少了96.7%的不必要侵入性操作,并降低了37.7%的治疗延误,为IPL管理提供了更多的临床效益。生物学探索分析表明,RadmC模型中纳入的特征富集于与癌症增殖相关的通路,且活化T细胞的低表达提示了肿瘤的进展阶段。

结论

RadmC提供了一种更加准确、稳健且无创的早期肺癌诊断工具,显示出在IPL临床管理中的应用潜力。

责任编辑:肿瘤资讯-Yuno
排版编辑:肿瘤资讯-Yuno


版权声明

本文专供医学专业人士参考,未经著作人许可,不可出版发行。同时,欢迎个人转发分享,其他任何媒体、网站如需转载或引用本网版权所有内容,须获得授权,且在醒目位置处注明“转自:良医汇-肿瘤医生APP”。


微信图片_20240817102759.jpg

评论
08月18日
李国君
冀中能源峰峰集团有限公司总医院 | 血液肿瘤科
基于深度学习的多组学模型在IPL临床管理中具有应用潜力