目的:探讨结肠癌转移相关基因1(metastasis-associated in colon cancer-1,MACC1)在鼻咽癌中的表达与其临床病理特征和预后之间的关系。方法:采用免疫组化法检测130例鼻咽癌组织中MACC1蛋白的表达情况,分析MACC1蛋白在鼻咽癌组织的表达...目的:探讨结肠癌转移相关基因1(metastasis-associated in colon cancer-1,MACC1)在鼻咽癌中的表达与其临床病理特征和预后之间的关系。方法:采用免疫组化法检测130例鼻咽癌组织中MACC1蛋白的表达情况,分析MACC1蛋白在鼻咽癌组织的表达与临床病理特征及预后的关系。结果:MACC1在鼻咽癌组织中阳性表达率为68.5%,MACC1蛋白的表达与鼻咽癌的T分期、淋巴结转移和临床分期有关(P<0.05)。Kaplan-Meier生存曲线显示MACC1表达阳性的鼻咽癌患者5年总生存率(45.9%)明显低于MACC1表达阴性患者(73.7%)(P<0.05),Cox多因素分析显示MACC1蛋白是影响鼻咽癌预后的独立危险因素(P<0.05)。结论:MACC1蛋白在鼻咽癌中的高表达与鼻咽癌的浸润和转移密切相关,是鼻咽癌独立预后危险因素,有望成为鼻咽癌基因治疗的新靶点。展开更多
目的:探讨基于CT图像的影像组学特征对辨别上行型与下行型鼻咽癌的应用价值。方法:回顾性分析2015年2月至2017年10月在中南大学湘雅医学院附属肿瘤医院行根治性放射治疗前CT定位扫描并获得CT图像的鼻咽癌患者共217例,其中上行型鼻咽癌48...目的:探讨基于CT图像的影像组学特征对辨别上行型与下行型鼻咽癌的应用价值。方法:回顾性分析2015年2月至2017年10月在中南大学湘雅医学院附属肿瘤医院行根治性放射治疗前CT定位扫描并获得CT图像的鼻咽癌患者共217例,其中上行型鼻咽癌48例,下行型鼻咽癌169例。将217例鼻咽癌患者随机分成训练集153例,验证集64例。获取手动分割的鼻咽部大体肿瘤靶区(gross tumor volume in the nasopharynx,GTVnx)为感兴趣区域(region of interest,ROI)。使用IBEX软件提取影像组学特征1300个,采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征选择,结合所选择的特征和临床资料建立支持向量机、随机森林2种分类器,并对其用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)进行验证。结果:从1300个鼻咽癌影像组学特征中筛选出6个特征。在得到的分类器中,随机森林分类器表现出更好的分类性能,其AUC、精确度、敏感度及特异度在训练集分别为0.989,0.941,1.000及0.924,在验证集分别为0.994,0.937,1.000及0.924。结论:基于CT的影像组学特征可以作为分辨上行型与下行型鼻咽癌的有效方法,这些结果为鼻咽癌的精准医疗提供了一定的依据,并可能影响未来鼻咽癌的治疗策略。展开更多
文摘目的:探讨结肠癌转移相关基因1(metastasis-associated in colon cancer-1,MACC1)在鼻咽癌中的表达与其临床病理特征和预后之间的关系。方法:采用免疫组化法检测130例鼻咽癌组织中MACC1蛋白的表达情况,分析MACC1蛋白在鼻咽癌组织的表达与临床病理特征及预后的关系。结果:MACC1在鼻咽癌组织中阳性表达率为68.5%,MACC1蛋白的表达与鼻咽癌的T分期、淋巴结转移和临床分期有关(P<0.05)。Kaplan-Meier生存曲线显示MACC1表达阳性的鼻咽癌患者5年总生存率(45.9%)明显低于MACC1表达阴性患者(73.7%)(P<0.05),Cox多因素分析显示MACC1蛋白是影响鼻咽癌预后的独立危险因素(P<0.05)。结论:MACC1蛋白在鼻咽癌中的高表达与鼻咽癌的浸润和转移密切相关,是鼻咽癌独立预后危险因素,有望成为鼻咽癌基因治疗的新靶点。
文摘目的:探讨基于CT图像的影像组学特征对辨别上行型与下行型鼻咽癌的应用价值。方法:回顾性分析2015年2月至2017年10月在中南大学湘雅医学院附属肿瘤医院行根治性放射治疗前CT定位扫描并获得CT图像的鼻咽癌患者共217例,其中上行型鼻咽癌48例,下行型鼻咽癌169例。将217例鼻咽癌患者随机分成训练集153例,验证集64例。获取手动分割的鼻咽部大体肿瘤靶区(gross tumor volume in the nasopharynx,GTVnx)为感兴趣区域(region of interest,ROI)。使用IBEX软件提取影像组学特征1300个,采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征选择,结合所选择的特征和临床资料建立支持向量机、随机森林2种分类器,并对其用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)进行验证。结果:从1300个鼻咽癌影像组学特征中筛选出6个特征。在得到的分类器中,随机森林分类器表现出更好的分类性能,其AUC、精确度、敏感度及特异度在训练集分别为0.989,0.941,1.000及0.924,在验证集分别为0.994,0.937,1.000及0.924。结论:基于CT的影像组学特征可以作为分辨上行型与下行型鼻咽癌的有效方法,这些结果为鼻咽癌的精准医疗提供了一定的依据,并可能影响未来鼻咽癌的治疗策略。
