딥 러닝을 사용한 Bub1 및 방사선 병증 데이터를 사용한 위암 복막 전이 및 악액질에 대한 예측 모델의 개발 (BUDDLE)

위암 (GC)은 가장 흔하고 공격적인 악성 종양 중 하나이며, 복막 전이와 악액질은 예후가 열악한 데 크게 기여합니다. BUB1 유전자는 염색체 불안정성과 GC의 진행에 연루되어 왔지만, 복막 전이 및 악액질에서의 역할은 불분명하다. 이 임상 시험은 GC 진행을위한 예측 모델을 개발하기 위해 BUB1 유전자 발현을 영상 및 병리학 적 데이터와 통합 할 수있는 잠재력을 탐구하는 것을 목표로한다.

이 연구는 게놈 프로파일 (BUB1 유전자 발현), 방사선 이미지 (CT/MRI 스캔) 및 조직 병리학 적 소견을 포함한 GC 환자의 포괄적 인 데이터를 수집 할 것입니다. 고급 방사성 분석은 영상 데이터에서 정량적 특징을 추출하는 반면, 병리학 적 데이터는 관련 조직 학적 마커에 대해 분석 될 것이다. 결합 된 데이터 세트는 초기 바이오 마커의 식별에 중점을 둔 복막 전이 및 악액질과 관련된 패턴을 식별하기 위해 딥 러닝 모델로 공급됩니다.

딥 러닝 모델은 회고 및 예비 환자 데이터를 사용하여 반복적 인 교육 및 검증을받습니다. 시험의 주요 종점은 복막 전이 및 악액질 발달에 대한 모델의 예측 정확도를 평가하는 것이며, 2 차 종점에는 개인화 된 치료 전략에 정보를 제공하고 생존율을 개선하며 임상 의사 결정을 안내 할 수있는 잠재력이 포함됩니다.

이 연구는 또한 GC의 BUB1 발현과 방사성 병원 특징 사이의 상관 관계를 조사하여 복막 전이와 악액질을 유도하는 기본 메커니즘에 대한 통찰력을 제공합니다. 이 결과는 더 나은 환자 결과를 위해 현재 임상 실습에 통합 될 수있는 강력하고 임상 적으로 적용 가능한 예측 도구를 확립하는 것을 목표로합니다.