使用机器学习模型算法预测软组织雷奥米索尔科马的5年生存率
Pramod N Kamalapathy1, Marcos R Gonzalez1, Tom M de Groot1
1Department of Orthopaedic Surgery, Division of Orthopaedic Oncology, Harvard Medical School, Massachusetts General Hospital, Boston, Massachusetts, USA.
Journal of surgical oncology
|November 17, 2023
概括
研究人员开发了机器学习模型,以预测患有罕见癌症 - - 乳腺髓肉瘤 (LMS) 的患者的5年生存期. 弹性网惩罚后勤回归模型在外部验证中表现出强的表现,为生存评估提供了一个有前途的工具.
科学领域:
- 在瘤学瘤学.
- 机器学习在医学中的应用
- 癌症预后 癌症预后
背景情况:
- 软组织肉瘤 (LMS) 在软组织肉瘤中预后不佳.
- 准确的生存预测对于患者管理至关重要.
研究的目的:
- 开发和验证机器学习模型,以预测尾或干部LMS的5年生存期.
- 为了确定临床实用性表现最佳的模型.
主要方法:
- 利用SEER数据库进行模型开发和内部验证.
- 使用机构数据库对五个机器学习算法进行了外部验证.
- 使用接收器运行特征曲线 (AUC) 下的面积和障碍得分来评估模型性能.
主要成果:
- 开发了五种用于LMS生存预测的机器学习算法.
- 模型显示出优异的校准 (AUC为0.84-0.85,布赖尔评分为0.15-0.16).
- 弹性网处罚后勤回归显示出优异的性能,在外部验证中AUC为0.85和Brier分数为0.15.
结论:
- 成功开发并验证了用于5年LMS生存预测的机器学习模型.
- 弹性网惩罚后勤回归是一种可靠的模型,用于预测LMS患者的生存率.
- 这个模型可以帮助临床决策和患者咨询.


