头颈鳞癌预后新突破：生物信息学与深度学习联袂揭示诊断生物标志物组合

本研究针对头颈鳞状细胞癌（HNSCC）异质性高、晚期预后差的问题，通过整合生物信息学与深度学习算法，筛选出KRT33B、C14orf34和ACADM等关键差异表达基因（DEGs）。研究构建的ROC曲线显示三基因组合诊断效能优异（AUC=0.93），为HNSCC精准诊疗提供新策略。

　　

头颈鳞状细胞癌（Head and Neck Squamous Cell Carcinoma, HNSCC）作为全球第七大常见癌症，其发生与不良生活方式密切相关。尽管癌症治疗手段不断进步，I–II期患者5年生存率达70–90%，但III–IV期患者生存率骤降至40%左右，这一差异凸显了HNSCC的高度异质性。

通过结合生物信息学与机器学习技术，研究人员从RNA表达数据中筛选出显著差异表达基因（Differentially Expressed Genes, DEGs），并利用深度学习算法进一步识别出变异显著的基因。研究还分析了DEGs与临床数据的关联性，构建了受试者工作特征（Receiver Operating Characteristic, ROC）曲线，并预测了肿瘤浸润免疫细胞分布。

深度学习分析鉴定出与致癌机制密切相关的诊断和预后生物标志物，包括KRT33B、KRTAP3-3、C14orf34和ACADM。ROC曲线分析表明，ACADM、KRT33B与C14orf34的组合是最具实用性的诊断标志物组合，其敏感性、特异性和曲线下面积（Area Under the Curve, AUC）分别达到0.92、0.86和0.93。这一发现为HNSCC的早期诊断和个体化治疗提供了新的分子靶点。