导读 根据一项涉及数千名受试者样本的研究，一个新的机器学习平台可以识别结直肠癌患者，并帮助预测他们的疾病严重程度和生存率。这种无创方法增
根据一项涉及数千名受试者样本的研究，一个新的机器学习平台可以识别结直肠癌患者，并帮助预测他们的疾病严重程度和生存率。
这种无创方法增加了循环肿瘤DNA(ctDNA)分析技术的最新发展，可以帮助早期发现高危患者中的结直肠癌。像许多其他恶性肿瘤一样，如果在转移到其他组织之前被发现，结直肠癌是最容易治愈的。结肠镜检查是诊断的“金标准”，但它们不舒服、侵入性强，可能导致并发症，使患者不愿接受筛查。
罗和她的同事利用机器学习技术开发了一种侵入性较小的诊断方法，可以检测高危患者的结直肠癌。他们的技术通过筛选甲基化标记物起作用，这是肿瘤中常见的脱氧核糖核酸修饰。首先，科学家建立了一个基于9种与结直肠癌相关的甲基化标志物的诊断模型。他们通过研究801名结直肠癌患者和1021名对照者的血浆样本来确定这些模型。该模型能够准确区分患者和健康个体，敏感性和特异性分别为87.5%和89.9%，优于临床上可用的称为CEA的血液检测。此外，改进的预后模型有助于预测26个随访期患者的死亡风险。
平均6个月，尤其是结合已确定的临床特征(如肿瘤位置)时。甲基化标记物特别有用，因为在一项对1493个高危人群的前瞻性研究中，它仅被筛选以发现结直肠癌和癌前病变的病例。等等。结论：临床医生和患者需要更长时间的随访研究来进一步评估该模型的可靠性。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！