Колоректальный рак (КРР) занимает третье место среди наиболее распространенных опухолей и вторую по значимости причину смертности. Ранняя и точная диагностика имеет большое значение для улучшения лечения и прогноза пациентов. Технология машинного обучения и биоинформатика предоставили новые подходы к диагностике рака. Целью исследования является разработка диагностической модели КРР на основе особенностей иммуногистохимического окрашивания изображений с использованием методов машинного обучения. Первоначально гены, специфичные для заболевания КРР, были идентифицированы с помощью биоинформатического анализа, алгоритма SVM-RFE и Random Forest с использованием данных РНК-секвенирования из баз данных GEO и TCGA. Впоследствии была проведена проверка этих генов с использованием данных протеомики из баз данных CPTAC и HPA, что привело к идентификации целевых белков (AKR1B10, CA2, DHRS9 и ZG16) для дальнейшего исследования. Затем SVM и CNN использовались для анализа и интеграции характеристик иммуногистохимических изображений с целью построения надежной диагностической модели КРР. В процессе обучения и проверки этой модели были реализованы методы перекрестной проверки и внешней проверки для обеспечения точности и надежности. Результаты показывают, что установленная диагностическая модель демонстрирует превосходную производительность в различении CRC и нормальных контролей (уровень точности: 0,999), тем самым представляя потенциальные перспективы для клинического применения. Ожидается, что эти результаты предоставят инновационные перспективы, а также методологии для персонализированной диагностики CRC, предлагая при этом более точные рекомендации для перспективного лечения
