基于机器学习的M0阴茎状细胞癌的整体和癌症特异性生存预测:基于人口的回顾性研究
Di Chen1, Shengsheng Liang1, Jinji Chen1
1Department of urology, The First Affiliated Hospital of Guangxi Medical University, Nanning, Guangxi, 530001, China.
Heliyon
|January 1, 2024
概括
这项研究确定了关键因素,如年龄,N阶段和瘤大小,这些因素可以预测M0阴茎状细胞癌 (PSCC) 的整体存活率. 机器学习模型,包括RSF和COX,有效预测这些罕见癌症的预后.
科学领域:
- 在瘤学瘤学.
- 癌症研究 癌症研究
- 医学统计 医学统计
背景情况:
- 阴茎癌是一种罕见的恶性瘤,对M0阴茎状细胞癌 (PSCC) 的预后因素的研究有限.
- 了解预后对于指导治疗和改善早期疾病患者的治疗结果至关重要.
研究的目的:
- 在M0 PSCC.中确定总生存 (OS) 和癌症特异性生存 (CSS) 的独立预后因素.
- 使用传统和机器学习方法开发和验证OS和CSS的预测模型.
主要方法:
- 从监测,流行病学和最终结果数据库中对2,446名患者进行了回顾性分析.
- 应用COX回归,随机生存森林 (RSF) 和梯度增强模型.
- 模型性能评估使用时间依赖的AUC,C指数和集成的布莱尔得分 (IBS).
主要成果:
- 年龄,N阶段和瘤大小是OS的重要预测因素.
- N阶段,瘤大小,手术和住宅区预测了CSS.
- 与其他模型相比,RSF和COX模型表现出优异的预测性能.
结论:
- 年龄,N阶段和瘤大小是M0PSCC中OS的关键预后因素.
- N阶段,瘤大小,手术和居住区是CSS的重要预测因素.
- 机器学习模型,特别是RSF和COX,为预测M0PSCC患者预后提供了有效的工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.3K
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
