相关实验视频
Updated: Jul 14, 2025
08:49
A 3D Organotypic Melanoma Spheroid Skin Model
Published on: May 18, 2018
15.8K
开发和验证时间到事件模型来预测局部皮肤黑色素瘤的转移性复发
Guihong Wan1, Bonnie W Leung2, Mia S DeSimone3
1Department of Dermatology, Massachusetts General Hospital, Harvard Medical School, Boston, Massachusetts; Department of Systems Biology, Harvard Medical School, Boston, Massachusetts; Department of Biomedical Informatics, Harvard Medical School, Boston, Massachusetts.
Journal of the American Academy of Dermatology
|October 5, 2023
概括
机器学习模型可以预测黑色素瘤复发,识别可能受益于免疫治疗的患者. 这有助于针对高风险黑色素瘤病例制定个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 机器学习 机器学习
- 医疗信息学 医疗信息学
背景情况:
- 针对IIB/IIC阶段黑色素瘤的免疫治疗正在扩大.
- 临床上有必要确定患有转移性复发的高风险患者.
- 识别这些患者可以优化免疫治疗的益处.
研究的目的:
- 开发黑色素瘤转移性复发的时间到事件风险预测模型.
- 评估机器学习模型,以预测远程与局部区域的复发.
- 确定最有可能从免疫治疗中受益的患者.
主要方法:
- 包括954名患有I/II期原发性皮肤黑色素瘤的患者 (2000-2020年).
- 从电子健康记录中提取了30个临床病理学因素.
- 评估了三种时间到事件的机器学习模型用于内部和外部验证.
主要成果:
- 远程复发与明显更差的生存率有关 (HR:6.21,P <.001).
- 梯度增强生存模型在外部验证中表现出强的表现 (C指数:0.816,t-AUC:0.842).
- 该模型准确预测了转移性复发风险.
结论:
- 时间到事件的机器学习模型可靠地预测黑色素瘤转移性复发.
- 这些模型可以识别免疫治疗的高风险患者.
- 这有助于在黑色素瘤护理中做出个性化治疗决策.
