机器学习方法用于在多发性髓瘤中快速,准确地预测M-Spike值的治疗点
Ehsan Malek1,2,3, Gi-Ming Wang3,4, Curtis Tatsuoka4,5
1Adult Hematologic Malignancies & Stem Cell Transplant Section, Seidman Cancer Center, University Hospitals Cleveland Medical Center, Cleveland, OH.
JCO clinical cancer informatics
|September 22, 2023
概括
机器学习 (ML) 可以使用临床数据快速预测多发性骨髓瘤 (MM) 患者的M-spike值,克服与传统蛋白质电泳相关的延迟. 这种方法增强了个性化治疗决策,并扩大了获得专业护理的机会.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 多发性骨髓瘤 (MM) 监测依赖于蛋白质电泳,这种方法的周转时间为3-7天.
- 延迟的M-spike蛋白结果可能会阻碍MM患者及时进行治疗调整.
研究的目的:
- 研究使用机器学习 (ML) 来预测MM患者M-spike值的可行性.
- 评估ML是否可以整合临床和实验室数据以快速预测M峰值.
主要方法:
- 对171名MM患者的电子病历进行了回顾性分析.
- 随机森林 (RF) 分析以确定ML模型开发的关键预测变量.
主要成果:
- ML预测的M-spike值与实验室测量的血清蛋白电泳有很高的相关性.
- 一个特征选择的射频模型只使用第一个滞后的M峰值和血清总蛋白质,准确地预测了M峰值.
结论:
- ML工具显示了MM中纵向疾病负担监测的预后潜力.
- ML促进了加快,个性化的临床决策,并可以改善服务不足的人群获得护理的机会.
