Cell Rep Med丨邵志敏/肖毅构建多模态模型预测HR+/HER2-乳腺癌复发风险

文章预览

激素受体阳性 （HR+） /人表皮生长因子受体2阴性 （HER2-） 乳腺癌是乳腺癌中最为常见的亚型，占所有乳腺癌病例的65%~70% 【1】 ，此类患者面临长期的复发风险，现有预测模型大多基于少量维度数据，预测效能具有一定局限性 【2】 。如何提高复发预测的准确性，成为亟待解决的重要临床挑战。 近日，来自复旦大学附属肿瘤医院 邵志敏 教授、 肖毅 副研究员团队在 Cell Reports Medicine 杂志发表了一篇题为 Multimodal integration using a machine learning approach facilitates risk stratification in HR+/HER2- breast cancer  的研究论文。 该研究基于团队前期已构建的大规模HR+HER2-乳腺癌多模态队列 【3】 ， 整合基线临床数据，多维度免疫组化、代谢组、病理组、转录组、基因组和拷贝数变异信息，构建了多模态机器学习预测模型 ， 该模型在预测HR+HER2-乳腺癌复发风险方面表现出 ………………………………