使用机器学习算法预测强度调节放射治疗后晚期鼻癌的预后
Dan Hu1, Ying Wang2, Genxin Ji3
1Department of Radiation Oncology, Center for Cancer Prevention and Treatment, Meizhou People's Hospital, Meizhou Academy of Medical Sciences, Meizhou, China.
Current problems in cancer
|November 18, 2023
概括
机器学习模型准确地预测IMRT后晚期鼻癌 (NPC) 患者的预后. 随机森林 (RF) 展示了卓越的性能,识别了像爱斯坦-巴尔病毒DNA和肝酶等关键预测因子.
科学领域:
- 在瘤学瘤学.
- 辐射疗法 辐射疗法
- 机器学习 机器学习
背景情况:
- 晚期鼻癌 (NPC) 后强度调节放射治疗 (IMRT) 的预后需要进一步调查.
- 接受IMRT治疗的III-IV期NPC患者是本研究的重点.
研究的目的:
- 使用机器学习算法开发高级NPC患者的预后模型.
- 识别高级NPC中不利预后的关键预测因素.
主要方法:
- 利用了427名接受IMRT治疗的先进NPC患者的数据.
- 应用后勤回归 (LR),决策树 (DT) 和随机森林 (RF) 算法.
- 使用曲线下的面积 (AUC) 评估模型性能.
主要成果:
- 随机森林 (RF) 获得了最高的AUC (0.753),超过了LR和DT.
- 不良预后的关键预测因素包括爱斯坦-巴尔病毒DNA,AST,BMI,年龄,葡萄糖和ALT.
- 在随访期间观察到50 (11.7%) 的NPC相关死亡.
结论:
- 随机森林 (RF) 被提出作为一个准确而简单的工具,用于评估IMRT后的先进NPC预后.
- 确定关键的生物标志物和临床因素可以帮助风险分层和治疗计划.


