在接受基于5-FU的化疗的胃肠癌患者中预测严重的血液毒性:贝叶斯网络方法

科学领域:

• 在瘤学瘤学.
• 生物统计学 生物统计学
• 计算生物学 计算生物学

背景情况:

• 严重的毒性影响大约30%的胃肠道癌症患者接受5-Fluorouracil (5-FU) 化疗.
• 有限的工具可用于识别患有5-FU相关毒性高风险的患者.
• 预测建模可以提高患者分层和治疗个性化.

研究的目的:

• 开发和验证在接受5-FU化疗的胃肠癌患者中严重毒性的预测模型.
• 利用贝叶斯网络进行可靠和可解释的风险预测.
• 为化学疗法管理提供临床决策支持工具.

主要方法:

• 使用了267名胃肠道癌症患者的数据集,分为培训 (80%) 和测试 (20%) 集.
• 使用bnlearn R库构建贝叶斯网络模型,并使用aic-cg方法进行优化.
• 模型性能使用十倍交叉验证和独立测试进行评估,评估准确性,灵敏性和特异性.

主要成果:

• 贝叶斯网络模型在训练组中达到0.85的平均精度,在测试组中达到0.80的平均精度.
• 在训练组中,灵敏度和特异性分别为0.82和0.87,在测试组中分别为0.71和0.83.
• 为潜在的临床实施,开发了一个用户友好的工具.

结论:

• 开发的贝叶斯网络模型在预测严重的血液毒性风险方面表现出很高的准确性.
• 该模型在管理5-FU化疗毒性的临床应用方面显示出前景.
• 建议在更大的患者队列和不同的临床环境中进一步验证.