基于带协变量的模型聚类算法对I期非小细胞肺癌进行分层
应用统计
2020-04-07 v1 机器学习
定量方法
摘要
肺癌目前是癌症死亡的首要原因。在各种亚型中,诊断为I期非小细胞肺癌(NSCLC)(尤其是腺癌)的患者数量不断增加。据估计,30-40%的I期患者会复发,10-30%会因复发死亡,这明确提示存在一个可从附加治疗中获益的亚组。我们假设,当前识别I期NSCLC亚组的尝试失败是由于协变量效应(如诊断时年龄和分化程度)可能掩盖了结果。在此背景下,为对I期NSCLC进行分层,我们提出CEM-Co,一种在聚类过程中去除/最小化不良协变量效应的基于模型的聚类算法。我们将CEM-Co应用于由129名I期NSCLC受试者组成的基因表达数据集,成功识别出一个表型(预后不良)显著不同的亚组,而标准聚类算法未能做到。
引用
@article{arxiv.2004.02333,
title = {Stage I non-small cell lung cancer stratification by using a model-based clustering algorithm with covariates},
author = {Carlos Relvas and André Fujita},
journal= {arXiv preprint arXiv:2004.02333},
year = {2020}
}