Étude multiomique du comportement biologique des métastases ganglionnaires dans le carcinome papillaire de la thyroïde

Cette étude est une étude de cohorte observationnelle multicentrique visant à évaluer l'exactitude et l'efficacité du modèle multiomique ThyMPR-CLNM pour prédire le CLNM chez les patients diagnostiqués avec un PTC de stade T1. La conception intègre les composants essentiels suivants :

L'étude a porté sur 2 000 patients diagnostiqués avec un PTC de stade T1 de l'hôpital médical traditionnel chinois de Hangzhou, affilié à l'université médicale chinoise du Zhejiang, entre décembre 2024 et décembre 2026. Du tissu tumoral frais congelé, des échantillons de sérum et des images échographiques préopératoires ont été collectés auprès des participants. Ces échantillons ont été utilisés pour des analyses multiomiques complètes, y compris le profilage métabolomique et protéomique, ainsi que l'extraction de caractéristiques radiomiques par ultrasons. Pour minimiser les biais de sélection et équilibrer les covariables, l'appariement des scores de propension a été effectué en deux tours, établissant un ensemble de découverte et un ensemble de validation avec des groupes appariés sur la base des scores de propension calculés par régression logistique. Cela garantissait des groupes comparables pour les analyses ultérieures. L'étude impliquait l'analyse des échantillons collectés au moyen de techniques avancées telles que la chromatographie liquide-spectrométrie de masse (LC-MS) pour les analyses métabolomique et protéomique, et la pyradiomique pour extraire les caractéristiques radiomiques des images échographiques. Des métabolites, des protéines et des caractéristiques radiomiques exprimés différentiellement ont été identifiés et intégrés pour le développement du modèle de prédiction ThyMPR-CLNM. La technique de régression LASSO (Least Absolute Shrinkage and Selection Operator) a été utilisée pour construire le modèle ThyMPR-CLNM sur la base des caractéristiques identifiées à partir des analyses multi-omiques. Les performances du modèle ont ensuite été validées à l'aide d'un ensemble de données indépendant. Des évaluations statistiques ont été effectuées à l'aide du logiciel R pour déterminer les valeurs d'exactitude, de sensibilité, de spécificité et d'ASC du modèle. Des comparaisons avec les méthodes de diagnostic conventionnelles ont été menées pour mettre en évidence les avantages du modèle ThyMPR-CLNM.