4月29日消息 - 前沿医药资讯网据国外媒体报道，研究人员研究出多基因分子分类算法，以准确区分良恶性甲状腺病变。这项研究于4月23日在美国临床内分泌学家协会（AACE）第19届年会与临床研讨会上公布。

    甲状腺结节的细针穿刺活检（FNA）对70％至80％的病例可以给予明确的细胞病理诊断，但是，其余的20％至30％的病例往往是模棱两可的诊断结果。因此，更明确的FNAs诊断将能更好地治疗非典型或可疑甲状腺结节患者。

    加利福尼亚州旧金山Veracyte Jonathan Wilde博士和同事利用全基因组mRNA表达分析以测量包括交替剪接基因在内的247,186个转录物，这些转录物来自胞病理学诊断不明确亚组的849个甲状腺结节。

    这些甲状腺结节由专业外科病理学和组织病理学2名专家进行诊断，诊断一致性达到98％。有了这个训练集，机器学习算法用于研究能准确区分良恶性甲状腺病变的多基因分子分类。

    预期FNA样本获得方式为3种中的一种。（1）门诊患者临床部位在体抽吸，（2）术前外科切口抽吸，（3）手术切除后体外抽吸。随后样品立即置于一种RNA-防腐剂溶液中并在-80度冷冻保存。细胞病理学和手术组织病理学数据从所有样本收集站点获得。

    利用〜200基因转录和多维分析的算法，对预期收集的甲状腺FNAs达到了>95%的30折交叉验证准确度。这次试验的95％接受者操作特征曲线下面积初步性能特征显示出了作为特异性作用的合理的敏感性。
当样品采集方法和实验室操作流程进行了修改和优化，算法的性能改善。

    分子分类观察到的假阴性率并不比FNAs细胞病理学诊断更大。

    “多中心临床试验正在进行中，这将让我们用独立的试验来验证这些结果，”作者写道。“当充分验证，分子分类可用来告知病人诊断结果。”（前沿医药资讯网）

    相关链接：Multigene Test Accurately Classifies Thyroid Nodules: Presented at AACE

    版权声明：本文系前沿医学传播独家稿件，版权为前沿医学传播所有。欢迎转载，请务必注明出处（前沿医药资讯网），否则必将追究法律责任。