Metabolismus Zobrazování-genomika pro predikci chirurgických výsledků kolorektálního karcinomu

Tento experiment je prospektivní kohortní studií a očekává se, že bude zahrnovat 300 pacientů, kteří byli diagnostikováni s kolorektálním karcinomem a podstoupili radikální operaci kolorektálního karcinomu v First Affiliated Hospital of Chongqing Medical University.

1. Sběr dat před a po chirurgické léčbě

1. Předměty studie: budou zahrnuti pacienti s diagnózou kolorektálního karcinomu a dobrovolně podstupující radikální operaci kolorektálního karcinomu v First Affiliated Hospital of Chongqing Medical University; Před operací budou odebrány předoperační snímky a pacientům budou odebrány 2 ml krevní vzorky pro zobrazovací a metabolomické studie.
2. Posouzení účinnosti následného sledování: subjekty studie zahrnuté do tohoto projektu byly sledovány po chirurgickém zákroku a celkové přežití (OS) a přežití bez onemocnění (DFS) subjektů studie by mělo být sledováno po dobu alespoň 3 let.

2. Pomocí zobrazovacích obrazů kolorektálního karcinomu před léčbou studujte zobrazovací histologické rysy, které předpovídají prognózu pacientů s kolorektálním karcinomem, a vytvořte zobrazovací histologický predikční model pro kolorektální karcinom.

1. Sestavte zobrazovací histologický predikční model pro kolorektální karcinom na základě zobrazovacích obrazů studovaných subjektů a poté je náhodně přiřaďte do tréninkové kohorty a validační kohorty pomocí počítače podle 7:3 pro provedení vyhodnocení modelu. Pro vývoj zobrazovacího histologického modelu a interní validaci se používají metody hlubokého učení pro extrakci zobrazovacích histologických prvků k extrakci dvou hlavních kategorií obrazových prvků: jednou jsou ručně definované vlastnosti, jako je tvar nádoru, intenzita, textura a vlnky, a druhá není specifikované vlastnosti extrahované pomocí konvolučních neuronových sítí. U ručně definovaných znaků extrahujeme znaky ložisek rakoviny tlustého střeva a konečníku. Rakovinová ložiska jsou na zobrazovacích snímcích nastíněna radiology a z rakovinných ložisek jsou extrahovány čtyři typy obrazových znaků, jmenovitě tvar, intenzita, textura a vlnková transformace. Specifické požadavky jsou: rysy extrahované podle tvaru jsou kompatibilní s vizuálním úsudkem lékaře, např. obrys není lesklý, okraje jsou rozmazané atd.; rysy extrahované intenzitou mohou odrážet homogenní povahu ohnisek atd.: rysy extrahované texturou a vlnkovou transformací patří k vysokorozměrným komplexním rysům. může těžit informace, které nelze získat zrakem lékařů. Pro extrakci rysů konvoluční neuronovou sítí se nejprve načrtne zájmová oblast (ROI) ložisek kolorektálního karcinomu a adaptivní rysy se naučí pro konkrétní cíle prostřednictvím učení pod dohledem. Konvoluční neuronová síť provádí nelineární transformaci a konvoluci vrstvu po vrstvě na masivních obrazových datech a její naučené funkce jsou cílenější a přizpůsobivější než ručně navržené funkce. Spojením dvou hlavních kategorií extrahovaných obrazových prvků se používá myšlenka kombinace statistické analýzy a více metod výběru funkcí strojového učení k prověření všech extrahovaných prvků z hlediska stability a opakovatelnosti a jsou získány klíčové prvky s vysokou stabilitou, vysokou diferenciací a vysokou nezávislostí. pro následný vývoj predikčních modelů.
2. Vyvinout zobrazovací histologický predikční model pro kolorektální karcinom a objasnit proveditelnost zobrazovací histologie při predikci prognózy pacientů s kolorektálním karcinomem. Použitím funkcí zobrazování kolorektálního karcinomu, klinických informací a patologických diagnostických informací vybraných od výzkumných subjektů zahrnutých do studie jako vstupní informace a kombinací různých existujících pokročilých algoritmů strojového učení (vektorový stroj, náhodný les, AdaBoost, hluboké učení, atd.), křížová validace se používá k zajištění spolehlivosti a stability modelu a nakonec je vyvinut konečný návrh, který může používat zobrazování k predikci prognózy kolorektálního karcinomu. Zobrazovací histologický predikční model. Model by měl být interně validován ve validační kohortě nejprve po svém ustavení a měl by být také externě validován, protože externí validace modelových dat je obecně považována za nezávislejší a posiluje validaci, aby se objasnila proveditelnost zobrazovací histologie pro hodnocení prognózy kolorektální rakovina.

3. Vývoj zobrazovacích-metabolomických predikčních modelů souvisejících s prognózou kolorektálního karcinomu.

1. Studovat metabolomické markery související s prognózou pacientů s kolorektálním karcinomem pomocí nádorových tkání a krevních vzorků studovaných subjektů.
2. Metabolomické testování bylo provedeno na základě krevních vzorků od studovaných subjektů. Metabolomický fingerprinting byl použit pro metabolomickou studii, ve které byla použita kapalinová chromatografie-hmotnostní spektrometrie (LC-MS) k porovnání příslušných metabolitů tkání odolných vůči léčbě a účinných ESCC tkání za účelem identifikace všech metabolitů v nich. Metabolické otisky prstů zahrnují porovnávání vrcholů metabolitů hmotnostní spektrometrie u různých jedinců, aby bylo možné nakonec porozumět struktuře různých sloučenin a vytvořit kompletní sadu analytických metod pro identifikaci charakteristik těchto různých sloučenin. Kroky necíleného metabolomického testu jsou následující: 1) Získání informací o vzorku: vzorky pro kontrolu kvality (QC) jsou připraveny pro stanovení stavu přístroje a systému rovnovážné chromatografie-hmotnostní spektrometrie (CS-MS) před odběrem vzorků a se používají k hodnocení. Stabilita systému po celou dobu experimentu.2) Předzpracování vzorku.3) Chromatograficko-hmotnostní spektrometrická analýza.4) Zpracování dat k identifikaci rozdílných metabolitů.5) Diferenciální metabolismus metabolitů.6) Analýza vzorku.