《npj Digital Medicine》:Predictive models for the occurrence and lymph node metastasis of papillary thyroid carcinoma with regional risk heterogeneity
编辑推荐:
本研究针对甲状腺乳头状癌(PTC)发生及颈淋巴结转移的风险预测与区域异质性评估难题,构建了基于深度神经网络(DNN)的AI预测模型。模型诊断性能优异(AUC 0.987),并鉴定出SYT1、COL9A1等关键基因标志物。研究揭示了PTC发生风险因素的区域差异性与转移驱动因素的共性,为PTC的精准风险分层提供了新的转录组学工具与理论依据,相关成果发表于《npj Digital Medicine》。
甲状腺癌是全球范围内最常见的内分泌系统恶性肿瘤,其中甲状腺乳头状癌(Papillary Thyroid Carcinoma, PTC)占据了所有病例的绝大多数。尽管PTC通常预后良好,但其颈部淋巴结转移的发生会显著增加局部复发风险,并可能影响患者的长期生存结局。因此,如何精准预测PTC的发生及其淋巴结转移风险,一直是临床医生和研究人员面临的重大挑战。传统的预测方法多依赖于超声影像特征和术后病理指标,但这些方法在预测的准确性和早期预警方面存在局限。近年来,随着高通量测序技术的普及,转录组学数据为深入理解肿瘤的分子机制提供了海量信息,但如何从这些复杂的“大数据”中挖掘出具有临床预测价值的可靠标志物,并解释其生物学功能,同样是一个亟待解决的问题。此外,不同地域人群在遗传背景、环境因素等方面存在差异,这是否会导致PTC发生和发展的风险因素也存在“区域异质性”?这些问题都呼唤着更为精细和智能的分析工具。
为了回答上述问题,一项发表在《npj Digital Medicine》上的研究为我们提供了新的见解。研究人员旨在开发可解释的人工智能模型,基于转录组学数据来预测PTC的发生和颈部淋巴结转移,并深入探索不同地理区域之间风险因素的异质性。这项研究不仅追求预测的高精度,更强调模型决策过程的“可解释性”,力图将“黑箱”AI转化为医生和研究人员能够理解的生物学洞察。
研究者们从公共基因表达汇编(GEO)数据库中获取了总计419份样本,这些样本来源于亚洲、欧洲和美洲,形成了一个具有地理多样性的队列。样本包括158份正常组织、203份PTC组织和58份转移样本。在技术路线上,研究团队系统比较了多种机器学习算法后,发现深度神经网络(Deep Neural Network, DNN)在任务中表现最优,因此最终选用DNN分别构建了PTC诊断模型和转移预测模型。模型构建后,研究者利用SHapley Additive exPlanations (SHAP)和一种新颖的Kolmogorov-Arnold Networks (KAN)方法对模型进行解读,以识别驱动模型预测的关键基因特征。此外,研究还对鉴定出的关键基因进行了通路富集分析,以阐明其背后的生物学过程。最后,为了促进科研成果的共享与应用验证,团队基于Streamlit框架开发了在线预测平台,将模型以交互式、可视化的方式呈现给科学界。
研究结果显示,所构建的AI模型具有卓越的预测性能。 经过优化的PTC诊断模型在区分癌组织与正常组织方面,曲线下面积(Area Under the Curve, AUC)达到了0.987,准确率为0.945。而用于预测PTC淋巴结转移的模型性能更为惊人,AUC值高达0.998,准确率为0.987。这些数据表明,基于转录组学的DNN模型在PTC的识别和转移风险评估任务上潜力巨大。
通过可解释性AI技术,研究成功鉴定出与PTC发生和转移相关的关键转录组标志物。 对于PTC诊断,SHAP和KAN分析一致指出SYT1、REN、CNTN5和ADAM12是影响模型判断最关键的特征基因。对于PTC淋巴结转移预测,COL9A1、CYP4F3和GAD1被确定为最重要的预测因子。这些基因的发现,为后续探索PTC发病和转移的分子机制提供了新的候选靶点。
分层分析揭示了PTC风险因素存在有趣的区域异质性模式。 当研究人员按样本来源地域进行分层分析时,发现影响PTC发生的风险因素(即关键基因特征的重要性排序或贡献度)在亚洲、欧洲和美洲人群间存在差异。这提示遗传背景或环境因素可能塑造了不同地区PTC发生的独特分子景观。然而,与此形成对比的是,驱动PTC淋巴结转移的关键因素在不同地区间却表现出高度共性,表明肿瘤转移的生物学程序可能在不同人群中更为保守和一致。
通路富集分析阐明了关键基因参与的生物学过程。 对上述诊断和转移相关关键基因集的联合分析表明,“激素水平的调节”和“细胞群体增殖”相关通路是PTC发生和转移共同涉及的生物学过程。这连接了分子标志物与已知的甲状腺癌生物学特征,例如激素信号异常和细胞增殖失控。
研究团队开发了公开可用的在线预测平台,以增强研究的透明度和可及性。 基于Streamlit框架构建的平台允许用户交互式地探索模型、输入标准化的基因表达数据进行风险估计,并可视化模型的可解释性结果(如特征重要性)。作者特别强调,该平台是用于研究目的的原型工具,旨在促进模型演示和可解释性研究。由于需要标准化的输入数据且未经前瞻性临床验证,目前不应作为临床诊断、风险分层或治疗决策的独立工具。
综上所述,这项研究的主要结论和重要意义体现在以下几个方面: 首先,研究成功构建了高性能、可解释的AI预测模型,能够基于转录组数据高精度地区分正常甲状腺组织、PTC及其转移状态,为PTC的辅助诊断和预后评估提供了新的潜在工具。其次,研究利用先进的模型解释技术,成功挖掘出一系列与PTC发生(SYT1, REN, CNTN5, ADAM12)和淋巴结转移(COL9A1, CYP4F3, GAD1)密切相关的候选基因标志物,为未来机制研究和靶点验证指明了方向。第三,研究创新性地揭示了PTC风险因素的区域异质性,即致癌驱动因素可能因地而异,而促转移因素则更为普遍,这一发现对理解PTC的流行病学差异和制定区域化的预防策略具有启示意义。最后,研究通过开发并公开在线平台,践行了开放科学和可重复研究的原则,为后续研究提供了便利的验证和探索入口。尽管这些模型和标志物迈向临床应用前仍需大量的转化验证工作,但本研究无疑为利用人工智能和转录组学推动甲状腺癌的精准医疗迈出了坚实的一步。