基于世卫组织CNS5数据的机器学习,在线预测质瘤患者的生存率
Liguo Ye1, Lingui Gu1, Zhiyao Zheng1,2,3
1Department of Neurosurgery, Center for Malignant Brain Tumors, National Glioma MDT Alliance, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Frontiers in neurology
|June 5, 2023
概括
这项研究开发了一种机器学习工具,使用世界卫生组织 (WHO) CNS5生物标志物预测质瘤患者的生存率. 新的风险标志和名图可以提高结质瘤的预后准确性.
科学领域:
- 神经瘤学神经瘤学
- 生物统计学 生物统计学
- 机器学习 机器学习
背景情况:
- 世界卫生组织 (WHO) 的CNS5分类集成了用于质瘤预后和治疗的分子生物标志物.
- 预测单个质瘤患者的存活率是具有挑战性的,因为缺乏综合的定量评估工具.
研究的目的:
- 设计一个与世卫组织中枢神经系统5相关的风险签名,用于预测质瘤患者的整体存活率 (OS).
- 开发一种定量评估工具,以改善质瘤预后.
主要方法:
- 利用了医院数据库 (2011-2022年) 的198个质瘤患者与完整的WHO5分子数据.
- 应用机器学习算法 (RF,SVM,XGB,GLM) 来识别预后因素并构建一个预测性的动态名ogram.
- 包括世卫组织CNS5生物标志物,临床数据 (年龄,性别,世卫组织等级) 和后续信息.
主要成果:
- 确定了年龄,FGFR2,IDH1,CDK4,CDK6,KIT和CDKN2A作为重要的预后指标.
- 开发了一个与WHO5相关的风险签名和名图,具有很高的预测准确性 (验证集中的AUC高达0.959).
- 验证了nomogram的可靠性 (c指数为0.775) 和在决策曲线分析中的卓越性能.
结论:
- 使用WHO5相关的生物标志物创建了一个在线预测器, Glioma Survival Calculator.
- 这种工具提高了预测治疗结果和评估质瘤预后的准确性.
更多相关视频
06:32Evaluation of Biomarkers in Glioma by Immunohistochemistry on Paraffin-Embedded 3D Glioma Neurosphere Cultures
Published on: January 9, 2019
7.9K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
