研究指出,小说的早期诊断方法在肺癌患者恶病质
![Cachexia classification models. A Decision tree generated using Classification And Regression Trees (CART). The bottom boxes indicate hazard ratios, the number of patients at risk in each leaf, and the percentage of patients in each leaf. This analysis was performed using the discovery set samples. B Kaplan–Meier survival curve generated by Cutoff Finder tool (red-curve: PMA > 0.71 and low-risk group; black-curve: PMA < 0.71 and high-risk group) using samples from the discovery set. C AUC-ROC curve demonstrating the specificity and sensitivity of PMA cutoffs in indicating low muscle mass (determined by third lumbar skeletal muscle index cutoffs [4]) in the discovery set. D Kaplan–Meier survival curve comparing LM (low-muscularity patients) and HM (high-muscularity patients) using samples from the validation set. Red-curve: PMA > 0.71 and low-risk group; Black-curve: PMA < 0.71 and high-risk group The resulting P-values for the log-rank test are shown. E Kaplan–Meier survival curve comparing low- and high-muscularity (LM and HM, respectively) patients by combining the discovery and validation datasets. Red-curve: PMA > 0.71 and low-risk group; Black-curve: PMA < 0.71 and high-risk group. The resulting P-values for the log-rank test are shown. HR: hazard ratio; CI: 95% confidence interval. Credit: Journal of Translational Medicine (2023). DOI: 10.1186/s12967-023-03901-5 研究指出,小说的早期诊断方法在肺癌患者恶病质](https://scx1.b-cdn.net/csz/news/800a/2023/study-points-to-novel.jpg)
恶病质是一种综合症,其特征是严重的体重和肌肉的损失。目前在大约一半的肺癌患者,尤其有害的非小细胞肺癌的病例。早期检测对预后的目的很重要,作为最优决策的基础治疗。
弱点由于恶病质阻碍了日常活动,导致疼痛,增加的困难应对疾病和治疗的副作用。在肺癌患者,主要危害是急性呼吸衰竭。
莎拉Santiloni卷曲,圣保罗州立大学的博士后研究员Botucatu生物科学研究所(IBB-UNESP)在巴西,研究早期诊断策略的恶病质和上一篇文章的第一作者发表的一项新方法预测综合征转化医学杂志》。
她的作品赢得了奖项从欧洲分子生物学组织(EMBO)和欧洲生物化学学会联合会(2月)在2020年事件集中在人工智能和机器学习癌症研究。
“多个筛查工具是用来测量肌肉损失。一种可能性是计算机断层扫描(CT)在第三腰椎肌肉量化(L3)。然而,非小细胞肺癌患者的CT扫描通常不包括L3,”她说。
一些研究人员克服这种限制通过分析胸肌区域(PMA)。PMA量化与相关联临床结果,但是每一个研究使用不同的计算和短裤,和分类的目的的最佳截止恶病的患者根据CTs尚未定义。
卷曲和她的小组证明PMA仅可以作为在这些患者恶病质预测。他们使用机器学习来构建一个基于强壮肌肉损失预测模型,临床数据的转录概况肿瘤微环境。
他们第一次测量PMA 211年非小细胞肺癌患者使用公开可用的CT扫描的癌症成像存档(TCIA)。使用机器学习算法建立了达标(车和截止Finder)应用于PMA,临床数据和生存数据。
“我们评估我们的模型使用一个验证集的功效包括36个患者在UNESP Botucatu医学院”罗布森旧金山卡瓦略说,去年的作者的文章。卡瓦略是IBB-UNESP教授和监督卷曲的研究。
“这项研究代表了一个重要的推进我们的理解在肺癌患者恶病质。我们确定了潜在的新型介质和生物标志物的综合症使用CT扫描对早期诊断和分子分析。这些发现将作为基础为未来的研究治疗策略和帮助医疗队设计更好的病人护理,”卡瓦略说。
研究成果先前发表的由集团证明了某些癌症生物标记物的存在之间的联系和发展中恶病质的风险。”类型的肿瘤,常产生恶病质,我们发现肺癌与表达增加有关特定因素造成的损失肌肉。这些因素采取行动细胞表面受体在肌肉组织,造成的损失,”卡瓦略说。
肿瘤核糖核酸测序显示90年调节分泌基因可能与肌细胞受体low-muscularity患者,最终导致肌肉萎缩。它还确定细胞类型在肿瘤微环境,通过分泌细胞因子或其他cachexia-inducing因素。
数字血细胞计数基于这些病人的基因表达谱显示高比例的CD8 + T细胞,淋巴细胞的特定类型。虽然这些细胞经常与密集的抗癌活性有关,在这种情况下,研究人员发现,他们可能与预后差相关。其他研究人员表明,CD8 + T细胞导致恶病质脂肪组织浪费与慢性感染有关,但与肺癌联系尚未建立。
总之,这项研究确定参数预测恶病质和细胞可能相关的综合症,新的治疗方法的发展铺平了道路。肿瘤微环境是复杂的,然而,更多的研究是必要的,研究人员的压力。
更多信息:莎拉Santiloni卷曲et al,低肌肉在肺癌与炎症和免疫抑制肿瘤微环境,转化医学杂志》(2023)。DOI: 10.1186 / s12967 - 023 - 03901 - 5