Videos de Experimentos Relacionados
Desarrollo y validación externa de un modelo pronóstico basado en XGBoost para el cáncer de pulmón de células
Pei Jiao1, Chen Chen2, Koudong Zhang2
1Department of Medical Oncology, Yancheng Dafeng People's Hospital, Yancheng, China.
Antecedentes:
Los pacientes con cáncer de pulmón de células pequeñas (SCLC) y metástasis cerebrales (BM) presentan resultados de supervivencia deficientes y heterogéneos, mientras que las herramientas pronósticas existentes han mostrado un rendimiento discriminatorio limitado. Nuestro objetivo fue desarrollar un modelo pronóstico basado en el potenciador de gradiente extremo (XGBoost) y realizar una validación externa preliminar.
MéTodos:
Se identificaron pacientes con cáncer de pulmón de células pequeñas y metástasis cerebrales (SCLCBM) diagnosticados entre 2010 y 2020 a partir de la base de datos Surveillance, Epidemiology, and End Results (SEER) para el desarrollo y la prueba interna del modelo. La validación externa se llevó a cabo en una cohorte china independiente de un solo centro. Las variables cribadas mediante regresión de Cox univariable y mantenidas en los análisis de regresión de Cox multivariable se utilizaron como predictores en los modelos XGBoost. Se empleó la búsqueda en cuadrícula (grid search) para el ajuste de hiperparámetros, y las combinaciones de parámetros candidatas se evaluaron mediante validación cruzada de 10 pliegues. El rendimiento del modelo se evaluó utilizando las áreas bajo la curva (AUC) y matrices de confusión, y se utilizó el análisis de SHapley Additive exPlanations (SHAP) para interpretar las predicciones del modelo.
Resultados:
El estudio incluyó a 7692 pacientes de la base de datos SEER y a 128 pacientes en la cohorte de validación externa. Los modelos finales incorporaron factores demográficos, relacionados con el tumor, relacionados con el tratamiento y factores metastásicos, incluyendo la edad, el sexo, los estadios T y N, la quimioterapia, la radioterapia, la cirugía y las metástasis extracraneales. Los AUC para la supervivencia global (SG) a los 3, 6, 12 y 18 meses fueron de 0,840, 0,801, 0,738 y 0,759 en la cohorte de prueba interna, y de 0,779, 0,790, 0,739 y 0,763 en la cohorte externa, respectivamente. El análisis SHAP clasificó consistentemente a la quimioterapia como el predictor más influyente.
Conclusiones:
Los modelos de XGBoost mostraron una discriminación moderada en todos los horizontes de predicción evaluados, tanto en la cohorte de prueba interna como en una pequeña cohorte externa de un solo centro. Se requiere una validación adicional en cohortes multicéntricas, prospectivas y más amplias antes de su uso clínico.