开发一种机器学习模型,预测口腔舌头状细胞癌的复发情况
Yasaman Fatapour1, Arash Abiri1,2, Edward C Kuan2
1Department of Biomedical Engineering, University of California, Irvine, CA 92617, USA.
Cancers
|June 22, 2023
概括
这项研究引入了一种新的机器学习框架,用于预测口腔舌头状细胞癌的复发. 梯度增强机模型实现了高准确性,识别了患者风险分层的关键预测因素.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 生物统计学 生物统计学
背景情况:
- 准确预测癌症复发仍然是一个重要的临床挑战,尽管诊断的进步.
- 口腔舌状细胞癌 (OTSCC) 需要可靠的预后工具来有效管理患者.
研究的目的:
- 开发和验证一种新的机器学习框架,用于预测OTSCC复发.
- 确定影响癌症复发风险的关键预测因素.
主要方法:
- 利用SEER数据库识别5年和10年的OTSCC复发病例.
- 使用H2O ai平台训练了四种分类模型,通过准确性,回忆,精度和ROC AUC来评估性能.
- 使用Shapley添加剂解释来确定特征的重要性.
主要成果:
- 梯度增强机模型表现出卓越的性能,达到81.8%的准确性和97.7%的准确性,用于5年的预测.
- 十年预测显示准确率为80.0%,精度为94.0%.
- 重要的预测因素包括先前的瘤数量,患者年龄,复发部位和瘤组织学.
结论:
- 开发的SEER框架成功生成了OTSCC复发的准确和敏感的预测模型.
- 这一框架显示出在开发各种癌症复发的可通用查工具方面具有更广泛应用的潜力.
