员工版

你当前的位置:首页 > 新闻中心 > 医院新闻
我院机器学习构建宫颈癌预后模型研究登上世界舞台
时间:2019/10/18 16:59:04
浏览量:140
来源:放疗中心


2019年9月15日-18日,第61届美国放射肿瘤治疗学会(American Society for Therapeutic Radiology and Oncology,ASTRO)年会于美国芝加哥会展中心顺利召开。ASTRO是放射肿瘤学术领域全球顶尖的学术舞台,也是放射肿瘤学界的学术盛会,这一年一度的学术年会汇聚了来自全球各地的肿瘤及放射肿瘤学界的专家学者共同探讨肿瘤领域的前沿进展和最新研究成果。


image001.png

在本届大会中,电子科技大学医学院附属肿瘤医院郎锦义教授受邀,并由电子科技大学李益民博士发表了题为“Weighted Gene Co-Expression Network Analysis Combined with Machine Learning to Identify Prognostic Biomarkers for Cervical Squamous Cell Carcinoma”的口头发言,介绍了利用机器学习构建预后预测模型在宫颈癌患者的生存预后预测方面的作用,分享了最新的研究进展。


微信图片_20191018141144.jpg

image003.png


全球癌症统计数据显示,宫颈癌每年有近50万新发病例,中国每年新增宫颈癌病例约14万例,约占全球总新增病例数的28%以上,是我国女性第二大高发恶性肿瘤,并且呈现年轻化的趋势。一系列的研究表明,SKP⁃2、UBE3A、P53及自噬调控基因Beclin 1等的异常表达,PTEN/Akt/mTOR和SOCS1/SOCS3通路的异常均可导致宫颈癌治疗的失败。然而,由于灵敏度和特异度限制,这些指标在单独应用时均无法作为预后指标并指导治疗。


image005.jpg

image007.jpg

为寻找宫颈癌预后评估新指标,郎锦义教授的研究团队运用多种机器学习算法对宫颈癌患者高通量测序结果进行全面的数据挖掘,构建了包含多个基因的、可独立预测宫颈癌预后的预测模型。

研究结果表明,该预测模型可为进入模型的每一例患者计算危险评分,并按照最佳cutpoint(敏感性88.9%,特异性78.5%)将患者分入低危组或高危组,进而可准确的预测患者1-5年的总生存率(AUC 0.81-0.84),低危组患者的1年、2年、3年和5年总生存率均显著高于高危组(77.8% - 98.3%v.s. 25.2%- 73.9%,训练集p<0.05,测试集p<0.05)。并且,多因素分析结果显示,除FIGO分期(HR = 1.52, 95% CI: 1.19-1.95, p = 0.001)、肿瘤原发灶(HR = 1.56, 95% CI: 1.2-2.03, p = 0.001)、淋巴结受侵状态(HR = 2.69, 95% CI: 1.14-6.35, p =0.024)、远处转移(HR = 4.64, 95% CI: 1.99-10.8, p < 0.001)、淋巴管血管受侵状态(HR = 8.59, 95% CI: 1.14-64.92, p = 0.037)及治疗效果(HR = 8.67, 95% CI: 3.95-19.02, p < 0.001)等预后影响因素之外,患者的该项危险评分是预后的独立危险因素(HR = 7.05, 95% CI: 2.52-19.71, p <0.001)。


image009.png

在此研究基础上,课题小组进一步建立了宫颈癌生存概率诺谟图,可根据患者的各个危险因素取值水平直接进行个体化的预后预测,经内部校正后,诺谟图预测生存概率的c-指数达到0.828,1年、3年和5年生存率预测的校准曲线表明,诺谟图预测的概率与实际概率基本一致。


image011.png

近几十年来,生命科学研究领域进入了后基因组时代,各种组学应用而生,面对海量数据,生物信息学的分析研究变得越来越重要。机器学习是人工智能技术下的一门交叉学科,涉及模式识别、数据挖掘、统计学习、计算机视觉和语音识别、自然语言处理等。结合多种机器学习算法,在海量的生物数据中进行数据挖掘,探索切实可行的早期诊断及预后标志物,建立有效的预测模型,将对提高宫颈癌早期诊断、临床治愈率和生存率具有重要意义,有利于我们更加准确地对宫颈癌患者实行个性化精准诊断与治疗,最终使患者受益。