相关实验视频
Updated: Jul 23, 2025
08:50
Predictive Immune Modeling of Solid Tumors
Published on: February 25, 2020
7.0K
通过机器学习识别和预测与免疫检查点抑制剂相关的肺炎
1Department of Phase I Clinical Trial Ward, Chongqing Key Laboratory of Translational Research for Cancer Metastasis and Individualized Treatment, Chongqing University Cancer Hospital, Chongqing, China.
Frontiers in immunology
|July 17, 2023
概括
机器学习准确地预测了免疫检查点抑制剂 (ICI) 相关的肺炎 (IRP) 风险. 该工具有助于识别高风险的IRP患者,改善癌症患者的护理.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 数据科学数据科学数据科学
背景情况:
- 免疫检查点抑制剂 (ICI) 相关的肺炎 (IRP) 是一个重大的临床挑战,对癌症患者构成潜在的致命风险.
- 准确识别和预测IRP风险对于患者管理和安全至关重要.
研究的目的:
- 开发一种机器学习模型,用于预测ICI相关肺炎的风险.
- 确定与ICI治疗的患者中IRP发展相关的关键风险因素.
主要方法:
- 对48名IRP患者和142名用ICI治疗的对照组进行了回顾性分析.
- 使用k-fold交叉验证构建一个弹性网预测模型.
- 在独立数据集上对预测模型的内部和外部验证.
主要成果:
- 最终的模型包括11个预测因素:特定的ICI (辛迪利祖马布,蒂雷祖马布),潜在疾病的数量,肺部疾病史,非小细胞肺癌 (NSCLC),CD4+淋巴细胞百分比,体温,KPS得分≤70,血红蛋白,癌症第四阶段和先前的抗瘤治疗.
- 外部验证证明了良好的区分 (AUC 0.81) 和可接受的校准.
- 为临床应用开发了一个在线IRP风险计算器.
结论:
- 开发的预测模型为准确预测ICI治疗癌症患者的IRP发生提供了有价值的工具.
- 这种预测能力可以帮助临床医生进行积极的风险评估和管理策略.
更多相关视频
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
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
