一个基于机器学习的综合临床模型,用于预测非典型脑膜瘤患者的预后

科学领域:

• 神经外科 神经外科
• 在瘤学瘤学.
• 机器学习在医学中的应用

背景情况:

• 非典型脑膜瘤 (AM) 在手术后的复发率很高,需要改进的预后工具.
• 现有的AM预后因素缺乏综合预测模型.
• 对AM的辅助治疗决策需要更好地预测患者的结果.

研究的目的:

• 开发和验证非典型脑膜瘤 (AM) 的综合预后模型.
• 在AM中预测瘤复发和患者死亡率.
• 帮助AM患者的治疗决策和长期监测.

主要方法:

• 对528名成年AM患者的回顾性分析.
• 随机分配到培训 (70%) 和验证 (30%) 队列.
• 机器学习算法,包括随机生存森林 (RSF),用于预测无进展生存 (PFS) 和整体生存 (OS).

主要成果:

• RSF模型在预测AM复发和死亡率方面表现出卓越的表现.
• 关键预测因素包括瘤类型,Ki-67指数,切除程度,瘤大小,大脑参与,亡和年龄.
• 高C指数值 (复发为0.8080,死亡为0.8890) 和AUC (存活率高达0.89) 证实了模型的准确性.

结论:

• 成功开发和验证了一种针对AM复发和死亡率的综合RSF预测模型.
• 该模型可以指导非典型脑膜瘤的临床管理和长期监测策略.
• 拟议的模型提供了一个高性能工具,用于个人化AM治疗规划.