新的筛查工具可将肝细胞癌患者的生存率从20%提高至90%

肝细胞癌（HCC）是最致命的恶性肿瘤之一，其早期诊断对于提高患者生存率至关重要。在近期的一项突破性研究中，科学家们开发了一种基于血清融合基因的机器学习模型，这一新型筛查工具有望将肝细胞癌患者的五年生存率从20%提高到90%。这项研究发表在《美国病理学杂志》（Journal of Pathology）上。

肝细胞癌是最常见的肝癌类型，约占肝癌病例的90%。目前，最常用的肝细胞癌生物标志物筛查测试是血清甲胎蛋白（AFP），但这种方法并不总是准确。高达60%的肝癌病例是在晚期才被诊断出来，这导致患者的存活率仅为20%左右。

早期诊断肝癌有助于挽救生命。然而，大多数肝癌发生得非常隐匿，没有太多症状。这使得早期诊断具有挑战性。我们需要一种经济高效、准确且方便的检测方法，用于筛查人类早期肝癌。我们希望通过机器学习方法来提高基于融合基因状态的HCC筛查准确性。

为了寻找一种更有效的诊断工具，研究人员使用实时定量逆转录PCR（RT-PCR）技术，分析了61名HCC患者和75名非HCC患者血清样本中的九种融合转录本。结果显示，其中七种融合基因在HCC患者中频繁出现。研究团队使用留一交叉验证法，根据血清融合基因水平生成了一个机器学习模型，以预测HCC的发生。

四融合基因逻辑回归模型在预测HCC方面表现出83%至91%的准确率。当与血清甲胎蛋白结合时，双融合基因加甲胎蛋白逻辑回归模型的准确率达到了95%。此外，血清样本中融合基因转录本的量化可以准确评估治疗效果，并能够监测癌症的复发。

与单纯使用血清甲胎蛋白相比，融合基因机器学习模型显著提高了HCC的早期检测率。这项新工具不仅能筛查HCC，还能监测HCC的治疗效果，有助于发现可能患有HCC的患者。获取更多有价值信息 访问：https://byteclicks.com

早期治疗的肝癌五年生存率可达90%，而晚期治疗的五年生存率仅为20%。目前的替代方法是每六个月对每个有一定肝癌风险的人进行一次影像分析，这非常昂贵且效率低下。此外，当影像结果不明确时，这项检测将有助于区分恶性和良性病变。

这项研究展示了血清融合基因机器学习模型在肝细胞癌早期诊断中的巨大潜力。通过提高检测的准确性，研究人员希望这项技术能够显著改善肝细胞癌患者的生存率，并为未来的诊断和治疗提供新的方向。