Grail 甲基化泛癌早筛新模型测试

主要观点总结

本文主要介绍了Grail公司基于ASCO发表的Galleri模型的新研究。研究内容是在临床实验SYMPLIFY基础上进行的模型测试，涉及癌症鉴别模型的更新，并且联合了年龄、性别、癌症症状及血常规检测指标。文章还讨论了使用逻辑回归模型的效果，以及如何通过后向消元方法选择症状特征。最后，文章提到了联合模型在测试集上的结果和后续的研究方向。

关键观点总结

关键观点1: Grail更新了几篇在ASCO发表的Poster，其中涉及Galleri模型的新研究。

Grail公司在其官网上更新了基于ASCO发表的Galleri模型的相关研究内容。

关键观点2: 新模型测试是基于临床实验SYMPLIFY进行的。

SYMPLIFY是验证Galleri模型在高风险人群中表现的临床实验。

关键观点3: 研究联合了年龄、性别、癌症症状及血常规检测指标。

在此次研究中，除了使用甲基化特征外，还联合了患者的年龄、性别、一系列可能的癌症症状以及血常规检测的一些指标。

关键观点4: 使用的模型是逻辑回归。

尽管是很基础简单的机器学习模型，但逻辑回归模型在此次研究中被用于泛癌和单癌的检测。

关键观点5: 联合不同特征后，模型的AUC值有所提升。

通过联合不同特征，如年龄、性别和癌症症状，模型的AUC值从最初的0.82提升到了0.93。

关键观点6: 研究还存在一些挑战和问题。

例如数据不平衡问题，以及如何在训练集上重新训练模型，并进行大规模前瞻性验证。

免责声明