小児の乳頭甲状腺癌患者を層別化するための個別化されたタンパク質ベースの予後モデル

小児乳頭甲状腺癌（PPTC）は高い腫瘍間異質性を示し、現在広く採用されている再発リスク層別化基準が不足しています。そこで、再発リスクを個別に予測するための機械学習に基づく客観的な方法を提案します。83の小児良性（PB）、85の小児悪性（PM）、66の成人悪性（AM）結節の臨床因子とプロテオームをレトロスペクティブに収集・評価し、質量分析により10,426のタンパク質を定量します。PMとPB、PMとAMの比較によって、それぞれ243 と121の有意に調整されたタンパク質を見つけました。機能および経路分析により、PM患者では他の患者と比較して炎症および免疫系の活性化が増強されていることが示されます。19のタンパク質を選定し、機械学習モデルを用いて再発を予測し、88.24%の精度を達成しました。我々の研究は、PPTC患者を高リスクまたは低リスク群に層別化できるタンパク質ベースの個別化予後予測モデルを生成し、臨床判断および個別化治療のための参考となる情報を提供します。