基于人工神经网络的临床决策支持系统,以预测EGFR-TKI的疗效

科学领域:

• 在瘤学瘤学.
• 生物信息学是一种生物信息学.
• 人工智能在医学中的应用

背景情况:

• 表皮生长因子受体 (EGFR) - 铁氨酸激酶抑制剂 (TKI) 在非小细胞肺癌 (NSCLC) 的疗效受到各种因素的影响.
• 预测治疗反应在临床实践中仍然是一个挑战.

研究的目的:

• 开发和验证一个人工神经网络 (ANN) 系统,用于预测EGFR-TKI的疗效.
• 支持EGFR突变的晚期NSCLC患者的临床决策.

主要方法:

• 一项多中心的回顾性研究,涉及240名具有EGFR突变的晚期NSCLC患者.
• 用下一代测序 (NGS) 数据和临床特征来训练和验证预测模型.
• 培训了五个模型,根据性能选择了一个ANN模型.

主要成果:

• 纳入NGS数据 (TP53,RB1,PIK3CA,EGFR突变,TMB) 的ANN模型的性能优于后勤回归和其他机器学习方法.
• 最终的ANN模型实现了0.82.8的预测准确度,回忆和AUC.
• 外部验证证实了ANN在差异化患者结果方面的强大表现.

结论:

• 基于ANN的方法有效预测EGFR-TKI在NSCLC中的疗效.
• 开发的临床决策支持软件有助于临床医生选择治疗.