机器学习的新型模型可以预测乳腺癌大脑转移的预后
Chaofan Li1, Mengjie Liu1, Yinbin Zhang1
1Department of Oncology, The Second Affiliated Hospital of Xi'an Jiaotong University, 157 West Fifth Street, Xi'an, Shaanxi, People's Republic of China.
Journal of translational medicine
|June 21, 2023
概括
使用XGBoost开发了乳腺癌大脑转移 (BCBM) 存活率的准确预测模型,改善了患者结果预测. 肺转移被确定为预后不佳的因素,而手术有利于特定的HER2+亚型.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 生物统计学 生物统计学
背景情况:
- 乳腺癌大脑转移 (BCBM) 代表了临床的关键挑战,生存率有限,缺乏准确的预后模型.
- BCBM的治愈能力仍然是一个重大问题,突出了改善生存预测和治疗策略的需要.
研究的目的:
- 开发和验证准确的机器学习模型,用于预测BCBM患者的生存率.
- 确定影响BCBM患者生存的关键预后因素.
- 为了研究初级手术对BCBM患者在不同分子亚型的结果的影响.
主要方法:
- 利用SEER数据库 (2010-2019) 进行COX回归分析和XGBoost模型构建.
- 使用独立的医院BCBM队列验证的预测模型.
- 员工倾向得分匹配和卡普兰-梅尔生存分析,以评估外科影响.
- 根据分子亚型 (HER2+,HR+/HER2-,HR-/HER2-) 进行了子组分析.
主要成果:
- XGBoost模型在预测BCBM生存率方面表现出高准确性 (例如,6个月AUC=0.824),得到了外部验证.
- 肺转移被确定为整体存活率 (OS) 和乳腺癌特异性存活率 (BCSS) 的独立不良预后因素.
- 手术治疗显著改善了HER2+ BCBM患者的OS和BCSS,以及HR-/HER2-亚型患者的OS.
结论:
- 开发可复制的机器学习模型用于BCBM生存预测.
- 确定肺转移作为一个显著的负面预后因素.
- 手术干预显示了特定BCBM分子亚型,特别是HER2+的潜在生存益处.
