可视化机器学习模型与单个PR阳性乳腺癌预后的倾向性得分匹配分析相结合:一个基于多中心人口的多中心研究
Chaofan Li1, Yuxin Hui2, Xinyu Wei1
1Department of Oncology, The Second Affiliated Hospital of Xi'an Jiaotong University 157 West Fifth Street, Xi'an, Shaanxi, P. R. China.
使用XGBoost模型,可以准确预测单个孕激素受体阳性 (sPR+) 乳腺癌 (BC) 的存活率. 强化内分泌疗法对sPR+BC患者没有显著的生存益处,这表明化疗可能更有益.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 基因组学就是基因组学.
背景情况:
- 单个孕激素受体阳性 (sPR +) 乳腺癌 (BC) 是罕见的,其特征和预后不明.
- 现有的sPR+BC生存预测模型缺乏准确性和效率,使临床治疗决策复杂化.
- 对sPR+BC的最佳内分泌治疗策略仍然存在争议.
研究的目的:
- 开发和验证sPR+BC患者生存率的准确预测模型.
- 研究强化内分泌治疗对sPR+BC存活率的影响.
- 为了比较不同sPR+BC亚型的预后.
主要方法:
- 构建和交叉验证XGBoost模型用于生存预测.
- 使用曲线下的面积 (AUC) 和F1分数来评估模型性能.
- 强化内分泌治疗效应的分析和使用倾向-得分匹配 (PSM) 的预后结果的比较.
主要成果:
- XGBoost模型在预测sPR+BC的1年,3年和5年存活率方面表现出高准确度和精度 (例如,1年AUC=0.904).
- 模型在独立的外部数据集上保持了强的表现.
- 强化内分泌治疗没有产生显著的整体生存益处 (P=0.600).
- 在ER-PR+HER2+和ER-PR-HER2+ BC之间没有观察到显著的预后差异.
- 在ER-PR+HER2-BC中,预后比ER-PR-HER2-BC稍差一些.
结论:
- XGBoost模型是可重现的,并且有效地预测sPR+BC存活率.
- sPR+BC患者可能不会从内分泌治疗中受益.
- 强化辅助化疗可能是比内分泌疗法更有益的sPR+BC治疗策略.
更多相关视频
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
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
相关概念视频
Cancer Survival Analysis
Mouse Models of Cancer Study
The development of transgenic, knockout, and knock-in mice has led to an exponential increase in their use as model organisms in research,...
Comparing the Survival Analysis of Two or More Groups
Kaplan-Meier Approach
