ОМИКСНЫЙ АНАЛИЗ C ИСПОЛЬЗОВАНИЕМ ГЛУБОКОГО ОБУЧЕНИЯ B ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКЕ НОВООБРАЗОВАНИЙ ЯИЧНИКОВ

Аннотация:

Актуальность: Течение злокачественных эпителиальных опухолей яичников является высоко агрессивным; ограничения диагностических методов сопряжены с выявлением опухолей на 3-4 стадиях, ассоциированных с высокой летальностью. Цель: Сравнить эффективность методов машинного обучения (MO) для малоинвазивной диагностики ранней стадии рака яичников (РЯ) на основании использования масштабируемых, объективных данных о профиле липидных биомаркеров. Материалы и методы: B одноцентровое обсервационное ретроспективное когортное клиническое исследование включено 239 пациенток: с ранней стадией РЯ высокой степени злокачественности (РЯ BC3, high grade, n=10); с прочими опухолевыми/пролиферативными процессами (ОЯ, n=203, из них: у 30 - цистаденома, у 59 — эндометриоидная киста, у 21 — тератома, у 28 — пограничная опухоль; 16 пациенток с РЯ низкой степени злокачественности (РЯ HC3, Iow grade), у 49 пациенток — III— IVстадии РЯ BC3) и женщины группы контроля (n=26). Произведено: экстракция липидов, анализ методом высокоэффективной жидкостной хроматографии, объединенной с масс-спектрометрией с ионизацией электрораспылением, и предобработка данных. Для интерпретации прогнозов, предложенных в процессе построения сложных моделей, использован метод SHAP. Для многоклассовой классификации протестировано 7 методов МО, включая следующие: наивная байесовская классификация, дискриминантный анализ PLS, «случайный лес», классификация внешнего градиентного усиления, многослойный перцептон и сверточная сеть. Для бинарной классификации дополнительно протестированы: классификации машины опорных векторов и экстремального градиентного усиления (Xgboos). Результаты: При РЯ BC3 I-II стадий характерно снижение PC 0-18:1/18:0, PE P-18:0/18:2, LPC 0-16:0, PC 18:0_18:2, OxTG 16:0_18:l_16:l(CHO), OxPC 18:2_16:l(COOH), OxPC 20:4_14:0(COOH) и повышение PC 16:0_18:0, PC P-18:l/20:4, PC 18:1_18:2, PC 16:0_18:0, PC 18:2_18:2 (по сравнению с группой контроля), а также снижение Cer-NS dl8:l/22:0, PC P-16:0/18:l, PC P-18:l/20:4, PC P-18:0/18:l, окисленныхлипидов, карбоокси- и карбогидрокси- дериватизированных и повышение PC P-18:0/18:2, PC P-20:0/20:4 (по сравнению с пациентами с ОЯ). Наилучшую дифференцирующую способность группы контроля и группы с ОЯ продемонстрировали модели на основе OPLS, «случайного леса» и машины опорных векторов с радиальным ядром (90%). Заключение: Использование углубленных методов MO позволяет максимизировать диагностический потенциал омиксных данных и имеет прикладное значение в сфере онкологической гинекологии.

Авторы:

Издание: Акушерство и гинекология
Год издания: 2025
Объем: 11с.
Дополнительная информация: 2025.-N 10.-С.117-127. Библ. 19 назв.
Просмотров: 0