Iskanje po katalogu digitalne knjižnice

Opis: Uvod: Zaviralci imunskih kontrolnih točk so v zadnjem desetletju naredili izjemen napredek pri zdravljenju metastatskega melanoma, vendar je odzivnost na zdravljenje relativno nizka. Prepoznavanje biologije odziva in odpornosti na zdravljenje sta prednostni nalogi za optimizacijo izbire zdravil in izboljšanje rezultatov bolnikov. V okviru naše študije smo ocenili genski podpis IPRES za napovedovanje odziva na imunoterapijo. Metode: Izvedli smo statistično analizo kliničnih podatkov bolnikov z metastatskim melanomom in temeljne korake razvoja napovednega modela na transkiptomskih podatkih. Napovedne modele smo zgradili z metodo multiple logistične regresije, naključnega gozda in nevronsko mrežo. Modele smo ocenili z 20-kratno ponovitvijo vgnezdenega 5-kratnega sorazmernega prečnega preverjanja. Rezultati: Z uporabo podpisa IPRES kot vhodne spremenljivke napovednih modelov se je za najboljšega izkazal naključni gozd z rezultatom pri vrednosti AUC 0,65 (95 % IZ: 0. 65– 0.66). Z integracijo statistično značilnih genomskih podatkov smo vrednost metrike AUC povišali na 0,72 (95 % IZ: 0,71–0,72). Razprava in zaključek: Geni IPRES so bili izbrani kot diferencialni geni. Izkazalo se je, da diferenčnost izražanja genov med neodvisnima bazama podatkov iste vrste raka ni ponovljiva in da diferencialni geni kot predstavniki signalnih poti nimajo nujno zadostne napovedne moči. Potrdili smo pomembnost združevanja – omik in uporabo modelov strojnega učenja za doseganje natančnejših napovedi.
Ključne besede: melanom, imunoterapija, zaviralci kontrolnih točk, strojno učenje
Objavljeno v DKUM: 21.12.2022; Ogledov: 945; Prenosov: 71
Celotno besedilo (1,15 MB)