课题简介-基于机器学习的细胞外囊泡蛋白质组学-影像图像融合模型用于诊断原发灶不明恶性肿瘤的研究

项目经费

10.7  （万元）

中文摘要

明确原发病灶是肿瘤治疗的基石，目前尚有3~5%的恶性肿瘤在病理诊断后无法明确原发部位，即原发灶不明肿瘤（Cancer of Unknown Primary，CUP）/多原发肿瘤（Cancer of Multiple Primary，CMP）。部分CUP/CMP可通过影像学、病理学多学科会诊综合分析明确治疗方案，但仍有部分患者无法准确判读，或经验治疗后进展迅速，故如何开发可靠且灵敏的诊断标志物是目前亟待解决的问题。细胞外囊泡（extracellular vesicles，EVs）在生物体液中的丰度较高，所携带的信息分子受外层脂质膜保护不易被降解。肿瘤衍生的细胞外囊泡（T-EV）可以作为识别癌症患者的生物标志物，用于疾病诊断和治疗反应监测。基于肿瘤预测模型的深度学习在医学领域对疾病诊疗的预测日益显著，但尚存在静态单一局限性及异质性盲区。前期研究构建了涵盖21种肿瘤类型的基因表达谱数据库，并成功完成了动态淋巴细胞亚群-影像图像肿瘤免疫预测模型。基于此，本课题拟从“宏观-微观”双维度深入分析肿瘤生物学特性，整合动态血浆EVs-影像学特征构建数据模型精准预测CUP及CMP的原发部位。主要解决CUP/CMP深入学习研究的两个挑战性问题：第一：如何实现EVs与影像图像融合的智能分析；第二：融合EVs和影像图像深度特征的融合表型能否准确反应肿瘤异质性。助力CUP/CMP精准诊断与治疗，以期突破CUP/CMP诊疗瓶颈。

项目组成员

姓名

职称

项目分工

主治医师

协助临床数据整理及模型处理