A Novel Composite Biomarker Panel For Detection Of Early Stage Non-small Cell Lung Cancer
Notice bibliographique
Résumé
PURPOSE: To investigate a novel composite methodology of using targeted serum microRNAs (micro ribonucleic acid; miRNA) and urine metabolites for the accurate detection of early stage non-small cell lung cancer (NSCLC). METHODS: Consecutively consenting NSCLC patients and matched control subjects were recruited to provide samples of serum for miRNA and/or urine for metabolite analyses. Serum miRNA levels were measured using quantitative real-time reverse-transcription with exogenous control, and the comparative delta cycle threshold (CT) method was used to calculate relative miRNA expression of two targeted miRNAs (miR-21 and miR-223). The concentrations of six targeted urinary metabolites in patients and healthy controls were measured using proton nuclear magnetic resonance (1H NMR) spectroscopy. A composite methodology of using the 35 accruals with both serum and urine biomarkers was then established with binary logistic regression, receiver operating characteristic (ROC) models with or without artificial intelligence (AI). RESULTS: The ROC analysis of miRNA expression yielded a sensitivity of 96.4% and a specificity of 88.2% for the detection of early stage NSCLC, with area under the curve (AUC) = 0.91 (CI 95%: 0.80-1.0). Relative urinary concentrations of 4-methoxyphenylacetic acid (4MPLA) were significantly different between NSCLC and healthy control (p=0.008). The ROC analysis of 4MPLA yielded a sensitivity of 82.1% and a specificity of 88.2%, with AUC = 0.85. The composite process combining miRNA and metabolite expression demonstrated a sensitivity and specificity of nearly 100% and AUC=1. CONCLUSIONS: A highly specific, sensitive and non-invasive detection method for NSCLC was developed. Pending validation, this can potentially improve the early detection and, hence, the treatment and survival outcomes of patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».