RadioTrace
论文题目
Quantifying Early-Stage Lung Adenocarcinoma Progression with a Radiomic Trajectory
期刊：npj | digital medicine 2025
核心思想
介绍
结果
(1) 患者对列
-
(2) 基于对比学习构建esLUAD（早期肺腺癌）演化的放射组学轨迹
研究设计与方法图 (3) RadioTrace联合esLUAD患者的外表型和预后
(4) RadioTrace揭示病理分级中的异质性
-
(5) RadioTrace与基因改变和演化相关的基因表达有关
esLUAD演化的放射组学轨迹和对应伪演化分数的分布 -
(6) RadioTrace有助于追踪肺结节的动态进展
PPS和肿瘤特性与预后之间的关联
对所有患者无病生存期预测的单边量和多变量分析
对IAC-II 患者无病生存期预测的单边量和多变量分析
讨论
RadioTrace和esLUAD肿瘤的基因表达有关
RadioTrace追踪三位患者肿瘤的纵向变化
方法
- (1) 患者对列
- (2) RadioTrace模型和PPS计算
- (3) 用预定义的放射组学特征构建轨迹
- (4) DNA 测序和处理
- (5) RNA 测序和处理
- (6)统计分析
- (7) 差异表达和富集(enrichment)分析
- (8) 采用Hallmark基因集用XGBoost预测PPS
- (9) PPS和基因表达之间的关联分析
- (10) 基因模块构建与评估
一句话概括
不足之处，欢迎指正。
参考文献
[1] npj Digital Medicine | (2025) 8:664
