Первое испытание после прорыва водопровода во вторник в компании Macomb Co. оказалось чистым
Jun 13, 2023Награды Dealer Design Awards 2023: качество воздуха в помещении
May 28, 2024Toyota Land Cruiser 2024 возвращается к своим истокам
May 07, 2024КМОП с разрешением 64 тыс. пикселей
Jul 19, 2023Отказавшись от гранта EPA, латиноамериканец
Jul 03, 2023Прогнозирование мутаций BRAFV600E при папиллярной карциноме щитовидной железы с использованием шести алгоритмов машинного обучения на основе ультразвуковой эластографии
Том 13 научных отчетов, номер статьи: 12604 (2023) Цитировать эту статью
Подробности о метриках
Наиболее распространенной мутацией BRAF является миссенс-мутация тимина (Т) в аденин (А) в нуклеотиде 1796 (T1796A, V600E). Ген BRAFV600E кодирует протеинзависимую киназу (PDK), которая является ключевым компонентом пути митоген-активируемой протеинкиназы и необходима для контроля пролиферации, дифференцировки и гибели клеток. Мутация BRAFV600E приводит к неправильной и постоянной активации PDK, что приводит к аномальной пролиферации и дифференцировке PTC. Основываясь на радиомических особенностях эластографии (УЗИ), это исследование направлено на создание и проверку шести различных алгоритмов машинного обучения для прогнозирования мутации BRAFV6OOE у пациентов с ПТК до операции. В этом исследовании использовались данные обычного УЗИ деформационной эластографии 138 пациентов с ПТК. Пациенты были разделены на две группы: те, у кого не было мутации BRAFV600E (n = 75) и те, у кого мутация была (n = 63). Пациенты были случайным образом распределены по одному из двух наборов данных: обучение (70%) или проверка (30%). Из изображений деформационной эластографии США было получено в общей сложности 479 радиомикологических признаков. Для уменьшения признаков использовались коэффициент корреляции Пирсона (PCC) и рекурсивное исключение признаков (RFE) со стратифицированной десятикратной перекрестной проверкой. На основе выбранных радиомических функций шесть алгоритмов машинного обучения, включая машину опорных векторов с линейным ядром (SVM_L), машину опорных векторов с ядром радиальной базисной функции (SVM_RBF), логистическую регрессию (LR), наивный Байес (NB), K-ближайшие соседи. (KNN) и линейный дискриминантный анализ (LDA) сравнивались для прогнозирования возможности BRAFV600E. Точность (ACC), площадь под кривой (AUC), чувствительность (SEN), специфичность (SPEC), положительная прогностическая ценность (PPV), отрицательная прогностическая ценность (NPV), анализ кривой решения (DCA) и калибровочные кривые алгоритмы машинного обучения использовались для оценки их производительности. ① Диагностическая эффективность алгоритмов машинного обучения зависела от 27 радиомических признаков. ② AUC для NB, KNN, LDA, LR, SVM_L и SVM_RBF составляли 0,80 (95% доверительный интервал [ДИ]: 0,65–0,91), 0,87 (95% ДИ 0,73–0,95), 0,91 (95% ДИ 0,79–0,98). , 0,92 (95% ДИ 0,80–0,98), 0,93 (95% ДИ 0,80–0,98) и 0,98 (95% ДИ 0,88–1,00) соответственно. ③ Наблюдалась значительная разница в эхогенности, соотношении вертикальных и горизонтальных диаметров и эластичности между пациентами с ПТК с BRAFV600E и пациентами с ПТК без BRAFV600E. Алгоритмы машинного обучения, основанные на радиомических характеристиках эластографии УЗИ, способны прогнозировать вероятность возникновения BRAFV600E у пациентов с ПТК, что может помочь врачам определить риск развития BRAFV600E у пациентов с ПТК. Среди шести алгоритмов машинного обучения машина опорных векторов с радиальной базисной функцией (SVM_RBF) показала лучшие показатели ACC (0,93), AUC (0,98), SEN (0,95), SPEC (0,90), PPV (0,91) и NPV (0,95). ).
Мутация BRAFV600E вносит значительный вклад в фенотип папиллярной карциномы щитовидной железы (ПТК), который помогает в диагностике и дифференциальной диагностике ПТК до операции1,2. Диагностика BRAFV600E требует генетического тестирования клеточного элюата с помощью тонкоигольной аспирации (FNA) под ультразвуковым контролем, которая является инвазивной. Цитологическое исследование узлов щитовидной железы методом FNA под ультразвуковым контролем позволяет диагностировать ПТК до операции, но от 15% до 30% цитологических результатов относятся к определению системы Bethesda с неопределенными результатами обнаружения (включая Bethesda Type III: атипичные поражения или фолликулярные поражения неизвестной значимости ( AUS/FLUS), тип IV: фолликулярные опухоли/подозрение на фолликулярные опухоли и тип V: подозрение на злокачественные опухоли (SUSP)). Таким образом, «Рекомендации по классификации риска злокачественных новообразований и лечению TBSRTC» рекомендуют цитологическое исследование FNA в сочетании с обнаружением мутации BRAFV600E, но все они являются инвазивными. В результате в клинической практике крайне важно применять неинвазивные подходы к прогнозированию статуса мутаций BRAFV600E, чтобы снизить уровень FNA и молекулярного обнаружения.