[特邀报告]机器学习与T细胞组库技术辅助不确定性肺结节的鉴别诊断

机器学习与T细胞组库技术辅助不确定性肺结节的鉴别诊断
特邀报告

报告开始:5月13日 14:00:00 (Asia/Shanghai)

报告时间:20min

所在会议:[S1] 分会场一 [S1-1] 精准医学与转化医学信息学

摘要
肺癌是全球发病率和死亡率最高的肿瘤,我国肺癌5年生存率仅16%。低剂量计算机断层扫描(Low-Dose CT, LDCT)能提高肺癌早期诊断率,有效降低肺癌死亡率,但也导致肺结节检出率急剧增加,其中18.5%为不确定性肺结节(Indeterminate Pulmonary Nodules, IPN)。据统计,12%-50%经手术切除的 IPN为良性。因此,急需对IPN进行鉴别诊断,降低过度治疗导致的医疗资源浪费与额外的身心伤害。我们检测了109个外周血样本的TCR组库,其中IPN患者99 例、健康对照5例、转移性肺腺癌5例。通过特征选择、参数优化,最终建立了基于是否为毛玻璃结节、香浓指数和均匀度指数等三个特征的支持向量机模型TCRnodseek。该模型在训练集与独立验证集中的AUC分别为0.81和0.80。没有T细胞组库特征的模型,在独立验证集中的AUC为0.74。该模型已被集成到网络服务器http://i.uestc.edu.cn/TB-LNPs上提供免费使用。
报告人
黄健
教授 电子科技大学

黄健,电子科技大学生命科学与技术学院教授、博导、教育部新世纪优秀人才,电子科技大学信息生物学研究中心主任,四川省生物信息学学会副理事长。长期从事生物信息学及转化医学的基础与应用研究,聚焦计算免疫学的信息平台建设、数据挖掘与专业软件开发。相关软件被哈佛、北卡等大学及Dyax、Vertex、剑桥抗体等上市公司使用。在Signal Transduction and Targeted Therapy、Nucleic Acids Research、International Journal of Biological Sciences、Bioinformatics等国际专业期刊发表论文100多篇,SCI引用2700多次,H指数为30。