Breast cancer is a disease with significantly different survival rates depending on the stage. Therefore, early diagnosis has long been an important issue. However, mammography and biopsy, which are traditional methods for early detection of breast cancer, are not sufficient in terms of accuracy and convenience, respectively. In order to solve this problem, studies using blood transcriptome gene expression analysis technology have been conducted. In this paper, in order to improve the insufficient performance of existing blood transcriptome gene expression analysis techniques, gene interactions that were not previously considered are considered patient-specific. Through this, the performance of the early breast cancer classification model has been dramatically improved, and by extracting individual network signatures, we propose genetic signatures that are specifically and meaningfully considered for early breast cancer patients through the analysis of patients by stage of breast cancer.
유방암은 병기에 따라 생존율이 크게 다른 질병이다. 따라서 이를 조기에 진단하는 것은 오랫동안 중요한 문제로 논의되어 왔다. 하지만 전통적인 유방암 조기진단 방법인 유방조영술 검사와 조직검사는 각각 그 정확성과 편의성 면에서 충분하지 않다. 이를 해소하고자 혈액 전사체 유전자 발현 분석 기술을 이용한 연구들이 진행되어 오고 있다. 이 논문에서는 기존의 혈액 전사체 유전자 발현 분석 기술들의 부족한 성능을 개선하고자 기존에 고려되지 않았던 유전자 상호 작용을 환자 특이적으로 고려한다. 이를 통해 조기 유방암 분류 모델의 성능을 비약적으로 향상시켰을 뿐 아니라 개별 네트워크 시그니처를 추출함으로써 유방암 병기별 환자에 대한 분석을 통해 조기 유방암 환자 특이적으로 유의미하게 고려되는 유전자 시그니처들을 제안한다.
