基于贝叶斯网络的基隆前列腺切除术后格里森得分升级的预测模型
Guipeng Wang1, Xinning Wang1, Haotian Du1
1Department of Urology, The Affiliated Hospital of Qingdao University, Qingdao, China.
BMC urology
|October 7, 2023
概括
贝叶斯网络模型准确预测激进前列腺切除术 (RP) 后的格里森分数升级 (GSU),改善前列腺癌治疗决策. 关键预测因素包括淋巴转移和活检核心细节.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
背景情况:
- 在急性前列腺切除术 (RP) 后,格里森得分升级 (GSU) 影响治疗决策.
- 准确预测GSU对于个性化前列腺癌管理至关重要.
研究的目的:
- 开发和评估一个基于贝叶斯网络的预测模型,用于GSU后RP.
- 确定影响GSU的关键风险因素.
主要方法:
- 对356名接受前列腺活检和RP的患者进行了回顾性分析.
- 开发一个树增强天真 (TAN) 贝叶斯算法,结合14个风险因素.
- 使用贝叶西亚实验室的验证来评估模型的准确性和因素的重要性.
主要成果:
- 在30.89%的患者中观察到GSU.
- 贝叶斯网络模型实现了81.06%的AUC和76.64%的准确性.
- 在GSU中,最重要的预测因素包括淋巴转移,阳性活检核的数量,ISUP阶段和PI-RADS得分.
结论:
- 贝叶斯网络模型在RP后预测GSU方面表现出很高的准确性.
- 这种模型可以提高前列腺活检样本的评估,并指导临床治疗策略.
